Tvorba kompozitního indikátoru a jeho interpretace pro vybrané státy regionu východní Afriky

MENDELOVA UNIVERZITA V BRNĚ Fakulta regionálního rozvoje a mezinárodních studií

Tvorba kompozitního indikátoru a jeho interpretace pro vybrané státy regionu východní Afriky Diplomová práce

Autor: Monika Cabicarová Vedoucí práce: Ing. Zbyšek Korecki, Ph.D. Brno 2014

Abstrakt Cabicarová, M. Tvorba kompozitního indikátoru a jeho interpretace pro region východní Afriky. Diplomová práce. Brno, 2014. Předmětem diplomové práce jsou kompozitní indikátory, které se v posledních letech velmi rychle rozvíjí a jsou často diskutovanou oblastí. Teoretická část je zaměřena na popis kompozitních indikátorů a jejich metodické postupy konstrukce. Praktická část se věnuje analýze a konstrukci indikátoru. Jednotlivé ukazatele kompozitního indikátoru byly zvoleny tak, aby reprezentovaly vlivy působící

na

vývoj

regionu.

Vystihují

sféru

ekonomickou,

sociální

a

environmentální. Na základě analýzy je v závěrečné části práce návrhová část, kde jsou popsány možné postupy ke zlepšení situace v dané zemi regionu východní Afriky. Klíčová slova: kompozitní indikátor, region východní Afriky, udržitelný rozvoj

Abstract Cabicarová, M. Creating a composite indicator and its interpretation for the region of East Africa. Thesis. Brno, 2014. The subject of the thesis are composite indicators, which in recent years has been developing rapidly and are often discussed areas. The theoretical part focuses on the description of composite indicators and their methodology design. The practical part is devoted to the analysis and design of the indicator. The indicators of the composite indicator has been selected to represent the influences on the development of the region. They reflect the economic, social and environmental. Based on the analysis in the final part of the design, which describes possible methods to improve the situation in the country region of East Africa. Keywords: composite indicator, region of East Africa, suistanable development

Poděkování Děkuji vedoucímu mé diplomové práce, Ing. Zbyškovi Koreckimu, PhD., za poskytování cenných rad, podnětných připomínek a za veškerý svůj čas, který mi věnoval. Zároveň chci touto cestou poděkovat prof. Bohumilovi Minaříkovi za poskytnuté konzultace.

Čestné prohlášení

Prohlašuji, že jsem práci: vypracoval/a samostatně a veškeré použité prameny a informace uvádím v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědom/a, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše.

V Brně dne:

…………………………………………………….. podpis

OBSAH 1

2

3

ÚVOD ............................................................................................................................. 9 1.1

Cíl práce .................................................................................................................. 10

1.2

Metodologie ........................................................................................................... 11

TEORETICKÁ ČÁST ......................................................................................................... 12 2.1

Vymezení indikátoru ............................................................................................... 15

2.2

Výhody a nevýhody................................................................................................. 16

2.2

Sestavení kompozitního indikátoru ......................................................................... 17

2.2.1

Teoretický rámec ........................................................................................... 23

2.2.2

Výběr proměnných ........................................................................................ 23

2.2.3

Chybějící data ................................................................................................ 24

2.2.4

Základní charakteristiky ................................................................................. 26

2.2.5

Vícerozměrná analýza .................................................................................... 34

2.2.6

Standardizace ................................................................................................ 37

2.2.7

Určení vah ..................................................................................................... 40

2.2.8

Agregace........................................................................................................ 41

2.2.9

Závěrečné zhodnocení ................................................................................... 42

VLASTNÍ PRÁCE ............................................................................................................. 46 3.1

Územní jednotky ..................................................................................................... 46

3.2

Použité ukazatele.................................................................................................... 47

3.3

Konstrukce kompozitního indikátoru ....................................................................... 54

3.4 4

Vyhodnocení kompozitního indikátoru .................................................................... 62

Návrhová část ............................................................................................................... 81 4.1

Přístup k nezávadné vodě........................................................................................ 81

4.2

Sanitace a kanalizace.............................................................................................. 85

4.3

Zemědělství a produkce obilovin ............................................................................. 87

4.4

Návrh – Burundi ...................................................................................................... 88

5

Závěr ............................................................................................................................ 90

6

LITERATURA .................................................................................................................. 92

7

SEZNAM OBRÁZKŮ ..................................................................................................... 101

8

SEZNAM TABULEK....................................................................................................... 104

7

POUŽITÉ ZKRATKY EAC

Východoafrické společenství (The East African Community)

FAO

Organizace pro výživu a zemědělství (Food and Agriclture Organization of the United Nations)

HDI

Index lidského rozvoje (Human development index)

KI

Kompozitní indikátor

MAR

Chybějící data náhodným způsobem (Missing at Random)

MCAR

Chybějící data zcela náhodně (Missing Completely at Random)

MDG´s

Rozvojové cíle tisíciletí (Millenium Development Goals)

MNAR

Chybějící data nenáhodným způsobem (Missing Not at Random)

NGO´s

Neziskové organizace (Non-government organizations)

UNICEF

Dětský fond Organizace spojených národů (United Nations Children’s Fund)

VIP

Toalety VIP (Ventilated Improved Pit)

WCED

Světová komise pro životní prostředí a rozvoj (World Commission on Environment and Development)

WHO

Světová obchodní organizace (World Trade Organization)

8

1 ÚVOD Východní Afrika je regionem různých historických událostí, politických režimů, hospodářských a zemědělských situací, kulturních a náboženských tradic. Existují zde nebezpečné oblasti a centra nestability. Některé země zažívají období míru, bezpečnosti, hospodářské a ekonomické stability, zatímco jiné jsou zmítány konflikty a občanskými válkami. Přes veškeré hrozby v zemích nechybí potenciální růst ekonomiky, který je podporován rozvojem zemědělství a investicemi do lidských zdrojů. Některé východoafrické země jsou bohaté na přírodní zdroje, které

umožňují

udržitelný

rozvoj.

Hospodářství

závislé

především

na

zemědělských výrobcích může svou zranitelnost snížit ovlivněním trendu dlouhodobého poklesu cen a cenové fluktuace na světových trzích. Nezbytným předpokladem růstu je spolehlivé a přitažlivé investiční prostředí. Faktory podporující růst je stabilita a kvalita veřejné správy v zemi, spolupráce a dialog s národními a mezinárodními obchodními aktéry nebo regionální integrace. V případě východní a jižní Afriky došlo k regionální hospodářské integraci. Hospodářský potenciál zemí láká nové zahraniční subjekty, jako je např. Čína, Brazílie, a tradiční partneři jako jsou USA, Rusko a EU. V oblasti obchoduje důležité vzájemné propojení, které usnadní přístup afrických obyvatel na trhy s nižšími náklady na obchodní činnost. Lidský rozvoj je v jednotlivých zemích východu Afriky také velmi různorodý. Ačkoli některé země zaznamenaly ekonomický a hospodářský růst, neměl pozitivní vliv na snižování chudoby, kde je příčinou nerovnoměrné rozdělení příjmů. Tvorba pracovních míst je jedním z faktorů pro snižování chudoby a sociální vzestup, především u žen a etnických menšin. Vývoj zaměstnanosti úzce souvisí s gramotností. Zdraví obyvatel je závislé na zdravotních a hygienických podmínkách, zvláště na přístupu k nezávadné vodě. Velkým sociálním problémem a zátěží pro rozvojové země jsou nemoci, jako je HIV/AIDS, malárie a další.

9

Z hlediska životního a environmentálního prostředí je východní Afrika odlišná. Změny klimatu zvyšují poptávku po vodních zdrojích, ovlivňují lidské zdraví, zhoršují vysychání půdy a v důsledku toho zhoršují bezpečnost potravin. Častým jevem jsou období sucha a záplavy, jejichž intenzita je ovlivňována změnou klimatu. Systému rychlého varování dostatečně nefungují nebo zcela chybí a řízení katastrof je tak nedostatečné. Vysýcháním půdy je postižena většina zemí, především ty, které se vyskytují na okraji pouští. Stav obnovitelných vodních zdrojů není dostatečný a obyvatelé tak trpí nedostatkem vody. Všechny zmíněné faktory jsou významným důvodem ke znepokojení. Užitečným nástrojem umožňující provádět analýzy vybraných zemí jsou kompozitní indikátory, které současně slouží jako nástroj komparace jednotlivých zemí v rámci udržitelnosti. V současné době jsou velmi aktuálním tématem a v posledních letech prochází velkým vývojem. Dochází nejen k revizi současných indikátorů, ale také k vytváření kompozitních indikátorů zcela nových. Kompozitní indikátory jsou stále více uznávány jako užitečný nástroj v oblasti analýzy politik a komunikaci s veřejností. Poskytují jednoduché srovnání zemí, které mohou být použity pro ilustraci složitých, někdy nepolapitelných problémů v rozsáhlých oblastech, např. životní prostředí, hospodářství, společnost a technologický rozvoj.

1.1

Cíl práce

Cílem diplomové práce je navrhnout pilíře udržitelného rozvoje na regionální úrovni států východní Afriky na základě provedené analýzy. Praktická část je založena na analýze kompozitního indikátoru udržitelného rozvoje na regionální úrovni pro region východní Afriky ve třech pilířích udržitelného rozvoje, vyhodnocení kompozitního indikátoru na množině územních jednotek východní Afriky a prezentovat výsledky zkoumání prostřednictvím tabulkových, grafických a mapových výstupů při využití definovaného časového úseku.

10

Závěrečná, návrhová, část diplomové práce bude zaměřena na opatření potřebných ke zlepšení při interpretaci a použití mnou zvoleného kompozitního indikátoru k hodnocení udržitelnosti na regionální úrovni států východní Afriky. Zdroje jsou v jazyce českém a anglickém. V textu jsou použité názvy podle způsobu, jakým jsou uváděny v odborné literatuře. Český přepis je zvolen pouze u názvů, u kterých je české označení obvykle používané. Tento způsob je zvolen pro přehlednost a plynulost textu.

1.2

Metodologie

Naplnění cíle diplomové práce vyžaduje použití obecných a specifických vědeckých metod, které umožní zpracovat získaná data a následně je využít k vyhodnocení a formulaci závěrů a doporučení. Použitými metodami bude metoda kompozitního indikátoru a pro jeho zhodnocení korelace vybraných sub-indikátorů. Analýza umožňující tvorbu kompozitního indikátoru bude podrobena normalizaci metodou min-max. Zpracování dat normalizací se chápe postup, který eliminuje nestejný vliv nebo důležitost vybraných proměnných. Výsledné hodnoty metody min-max budou agregovány. Na základě konečného výsledku bude vyhodnoceno pořadí jednotlivých vybraných států regionu východní Afriky. Současně bude v návrhové části využita metoda dedukce pro stanovení možných postupů a procesů zabezpečujících udržitelný rozvoj. Analýza regionu východní Afriky nezahrnuje Somálsko a Súdán. K těmto zemím nejsou dostupná data nebo nebylo provedeno měření. Súdán se v roce 2011 rozpadl na Súdán a Jižní Súdán, kde nebylo za daný rok provedeno měření vybraných indikátorů.

11

2 TEORETICKÁ ČÁST V současnosti je udržitelný rozvoj prezentován jako „rozvoj, který umožňuje uspokojovat základní životní potřeby současné generaci, aniž by omezoval potřeby generacím budoucím.“ Tuto definici představenou Světovou komisí pro životní prostředí a rozvoj (World Commission on Environment and Development – WCED) v roce 1987 můžeme považovat za celosvětově nejrozšířenější. Udržitelný rozvoj podporuje myšlenku, že ekonomický, sociální a environmentální pokrok je dosažitelný prostřednictvím dostatečným množstvím přírodních zdrojů na Zemi.1 Udržitelný rozvoj trvale usiluje o dosažení sociálního a hospodářského pokroku způsobem, který v budoucnu nevyčerpá omezené přírodní zdroje. Potřeby dnešního světa jsou bezprostřední, proto je nutné rozvíjet způsoby, jak tyto potřeby naplnit a zároveň neomezovat potřeby lidí v budoucnu. Je možné, že budoucí generace nebudou schopné uspokojit své základní životní potřeby tak, jako jsme schopni dnes, kvůli omezené kapacity světového ekosystému.2 S ohledem na budoucí generace bychom měli přehodnotit výsledky vědeckého poznání a jeho dopad na životní prostředí. Prostřednictvím vzdělání, praxe a budování povědomí o udržitelném rozvoji můžeme být schopni zachovat stejné základní životní potřeby v budoucnosti pro každého tak, jako v současnosti.3

1

Sustainable Development Concepts and Indicators [online]. 2000 [cit. 2014-04-09]. Dostupné z: http://web205.vbox-01.inode.at/Data/personendaten/js/catxta.pdf 2 PEARCE, D., BARBIER, E. Sustainable development: economics and environment in the Third World. ISBN 978-113-4159-062. 3 Naše společná budoucnost. Světová komise pro životní prostředí a rozvoj. 1. vyd. Praha: Academia, 1991. ISBN 80-853-6807-2.

12

Tvorba pracovních míst Zlepšení dovedností Místní ekonomické dopady Etika podnikání Bezpečnost Inovace Kapitál Řízení rizik Efektivní rozdělení zdrojů

Rozmanitost Lidská práva Domorodé komunity Pracovní vztahy

Bezpečnost a ochrana zdraví Regulace v oblasti ŽP Globální změna klimatu Přístup k pitné vodě Krizového řízení

Účinné využívání zdrojů Řízení životního cyklu Produkty ke službám

Čistý vzduch a voda Snížení emisí Likvidace odpadu Biologická rozmanitost

Obr. 1 Schéma trvale udržitelného rozvoje (zdroj: vitejtenazemi.cz, 2013)

Udržitelný

rozvoj

se

skládá

ze

tří

pilířů:

ekonomického,

sociálního

a environmentálního. Teoretický přístup k udržitelnému rozvoji předpokládá, že by tyto pilíře měly být v rovnováze. Uspokojování lidských potřeb a potřeba mobility však může podle Mezřického4 narážet na rozpory mezi pilíři (např. ochrana přírody vs. výstavba dálnic apod.). Princip udržitelného rozvoje se nejvíce uplatňuje v environmentálním pilíři, který se týká především hospodaření s přírodními zdroji. Mnohaleté zkušenosti má lesní

MEZŘICKÝ, V. Environmentální politika a udržitelný rozvoj. Vyd. 1. Praha: Portál, 2005, 207 s. ISBN 80-736-7003-8. 4

13

hospodářství zahrnující funkci lesa. Ve vyspělých zemích se postupně v čase vytvořila institucionální základna pro ochranu životního prostředí a jeho složek.5 Jistou míru institucionálního zázemí nalezneme u socio-ekonomických aspektů v ekonomickém a sociálním pilíři. Sociální a ekonomická hlediska se při rozhodování o územním rozvoji řídí: „spíše intuitivně, i když převažují krátkodobá (praktická) hlediska, jež korespondují s politickými prioritami, kritérii tržní ekonomiky, atd.“6 Potřeby sociální oblasti interpretované politikou a krátkodobé zájmy ekonomických investorů jsou tedy proměnlivé v čase. Stojí tak proti daným kritériím ochrany přírody a ŽP. Paradoxem je, že mezi zájmy ekonomiky, vnímanou podnikateli, a zájmy ekonomické udržitelnosti dochází k protikladu.7 Indikátory indikátorů environmentálního rozvoje umožňují určit udržitelnost jasněji, než u cílů ekonomického a sociálního pilíře, kde nemůžeme jasně vymezit, jaká míra konkurenceschopnosti, nezaměstnanosti nebo růstu ekonomiky je udržitelná.8 Ekonomický pilíř Ekonomická udržitelnost se používá k definování strategie, která využívá socio-ekonomické zdroje. Navrhuje spravedlivé rozdělení a efektivní alokaci zdrojů. Záměrem je podpořit využívání těchto zdrojů efektivně a odpovědným způsobem. Sociální iniciativy mají dopad na chování spotřebitelů a výkonnost zaměstnanců, zatímco iniciativy v oblasti životního prostředí, jako je snižování znečištění, může mít přímý vliv na snižování množství odpadu.9

MEZŘICKÝ, V. Environmentální politika a udržitelný rozvoj. Vyd. 1. Praha: Portál, 2005, 207 s. ISBN 80736-7003-8. 6 Viz tamtéž 7 Viz tamtéž 8 MUNDA G. „Measuring sustainability“: a multi-criterion framework, Environment, Development and Sustainability, 2005, Vol. 7 (1): 117-134. 9 BLEWITT, John. Understanding sustainable development. Sterling, VA: Earthscan, 2008, xvi, 288 p. ISBN 18-440-7454-4. 5

14

Sociální pilíř Sociální aspekt trvalé udržitelnosti se zaměřuje na vyvážení potřeb jednotlivců s potřebami skupiny. Jedná se o kombinaci populace, kapitálu a technologií ve společnosti, aby byla životní úroveň každého jednotlivce adekvátní a bezpečná.10 Environmentální pilíř Pro udržitelnost nesmí tok materiálu a energie přesáhnout intenzitu využívání a obnovitelných

zdrojů

a

rychlost

jejich

regenerace.

Intenzita

využívání

neobnovitelných zdrojů nesmí být rychlejší než vyvíjení trvale udržitelných obnovitelných náhrad a intenzita znečištění by neměla přesahovat kapacitu životního prostředí.11

2.1

Vymezení indikátoru

Indikátor je základním termínem diplomové práce. Indikátor představuje určitý jev, v případě průběžného sledování určitý trend. Pokud hovoříme o indikátoru jako takovém, jedná se o statistický údaj vyjádřený obecným číslem, který znázorňuje buď určitý ekonomický (sociální) jev, proces, nebo pouze jeho část.12 Lze konstatovat, že indikátory umožňují informace zjednodušit pro pochopení vývoje společnosti ve všech oblastech života v rámci tří pilířů.13 Kompozitní indikátor se skládá z dílčích indikátorů neboli ze sub-indikátorů, který obsahuje více informací, než jednotlivé ukazatele. Často se zdá jednodušší interpretovat ukazatel než identifikovat společný trend v mnoha dílčích ukazatelích. Kombinace ukazatelů obsahuje větší množinu informací a vysvětlí více

HÁK, Tomáš, Bedřich MOLDAN a Arthur L DAHL. Sustainability indicators: a scientific assessment. Washington, DC: Island Press, c2007, xxvii, 413 p. SCOPE report, 67. ISBN 15-972-6131-9. 11 CONSTANZA, Edited by Robert. Ecological economics: the science and management of sustainability. [3. print.]. New York: Columbia University Press, 1991. ISBN 978-023-1075-633. 12 JÍLEK, J. Nástin sociálně hospodářské statistiky. Vysoká škola ekonomická v Praze, nakladatelství Oeconomica, 2005, str. 6. 10

KLINE R.B. Principles and practice of structural equation modelling. NY: Guilford Press. Covers confirmatory factor analysis using SEM techniques. 1998. 13

15

než jeden ukazatel, a to z více pohledů. Například se užívá jako podklad pro politická rozhodnutí či veřejnou správu.14 Neexistuje přesný návod, jak kompozitní indikátor vytvořit. Dílčí ukazatele mají různé měrné jednotky a důležitost. Existují však metody, např. standardizace, váhy a agregace, které může tvůrce ukazatele využít.15

2.2 Výhody a nevýhody Indikátor můžeme považovat za kvantitativní nebo kvalitativní opatření pozorovaných skutečností. Hodnotíme-li indikátor v pravidelných intervalech, lze hodnotit tendence změn v různých jednotkách a čase. Ukazatel je vhodný pro identifikaci trendu a upozorňuje na konkrétní problémy. Může být užitečný např. při stanovování politických priorit, benchmarkingu nebo při sledování určitého výkonu.16 Agregovaný indikátor může měřit multi-dimenzionální koncepty, které však nelze zachytit v jediném ukazateli (např. politický vývoj, konkurenceschopnost, industrializace, integrace jednotného trhu, apod.). Hlavní výhody a nevýhody použití kompozitních ukazatelů jsou v tab. 1.17

14

Saltelli A. Composite indicators between analysis and advocacy, Social Indicators Research. 2007. 81: 65–77 15 OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-11]. Dostupné z: http://www.oecd.org/std/42495745.pdf 16 Viz tamtéž 17 Viz tamtéž

16

Tab.1 Výhody a nevýhody kompozitního indikátoru (zdroj: OECD, 2008; vlastní zpracování)

Výhody  Komplexní shrnutí multi-dimenzionální reality nebo určitého problému.



 Snadná interpretace oproti hledání  trendu v dílčích ukazatelích.  Rozložení agregovaného indikátoru.



 Snazší pro pochopení a atraktivní pro veřejnost a média v rámci komunikace.



 Zachycení pokroku v dané zemi v průběhu času.  Redukují počet dílčích indikátorů – větší vypovídací schopnost a větší množství informací.

 

Nevýhody Špatná interpretace – výběr indikátorů a vah může podávat mylné nebo zavádějící výsledky. Jednoduchost indikátoru může vést k nesprávným a nerobustním výstupům. Vysoký požadavek na přesnost a kvantitu dat. Může zakrýt vážné nedostatky v některých dimenzích, a tím i zvýšit obtížnosti při určování správného nápravného opatření. Mohou být postaveny na podpoře požadované politiky. Jednotlivé etapy (např. výběr indikátorů, výběr modelu, hmotnosti), nemusí být transparentní a založené na kvalitních statistických či koncepčních principech.

 Mezinárodní srovnání v místě a čase.

2.2

Sestavení kompozitního indikátoru

Indikátory, především agregované, prezentují matematické modely. Existují protichůdné názory na agregované indikátory, které můžeme zasadit do logického rámce. Snažíme se pochopit fungování modelu, který usiluje o popsání přirozeného systému, model je však sám o sobě systémem formálním. Robert Rosen18 uvádí, že: „nikdy nebylo dosaženo jednoznačného souhlasu, jak odvodit formální systém ze systému přirozeného, tedy z reality, i když je přirozený systém definován na příčinných logických vazbách a formální systém na odvozených logických vazbách.“

ROSEN, Robert. Life itself: a comprehensive inquiry into the nature, origin, and fabrication of life. New York [u.a.]: Columbia Univ. Press, 2005. ISBN 978-023-1075-657. 18

17

Obr. 2 Model přirozeného a formálního systému (zdroj: JRC, 2005; vlastní zpracování)

Odpůrcem agregovaných indikátorů byl ekonom A. K. Sen, nositel Nobelovy ceny roku 1998, který však změnil názor, když zjistil, že indikátory mají schopnost převést koncept do reality. Jeho koncept „Schopností“ (shrnutí všeho, co člověk může v životě dokázat) byl převeden pomocí Indexu lidského rozvoje (Human development index – HDI).19 Formalizace systému vytváří teoretický rámec, který má omezenou platnost v rámci

daného

informačního

prostoru.

Model

systému

odráží

nejen

charakteristiky reálného systému, ale také představy vědců, jak danou realitu sledovat. V procesu tvorby modelu je důležité mít formální soudržnost, která však není dostačující. Model by měl odpovídat cílům a záměrům uživatele, měl by tedy být nejvhodnějším nástrojem pro vytváření souboru cílů. Základním rysem modelu je reflexivita, kdy pozorovatel a pozorování nejsou separovány, tedy člověk je připraven reagovat na změny.20

19

Sen A. Development as Capability Expansion. In: Fukuda-Parr S, et al Readings in Human Development. New Delhi and New York: Oxford University Press; 2003. 20 JRC. Tools for Composite Indicators Building [online]. 2005 [cit. 2014-04-12]. Dostupné z: http://ipsc.jrc.ec.europa.eu/fileadmin/repository/eas/compositeindicators/Documents/EUR_21682_EN_Tools_for_Composite_Indicator_Building.pdf

18

Bez ohledu na to, jak subjektivní nebo nepřesný je teoretický rámec, znamená to uznání multi-dimenzionální povahy jevů, které mají být měřeny a jejich vzájemné vztahy.21 Konstrukce kompozitního indikátoru zahrnuje fáze založené na subjektivním rozhodnutí. Fáze konstrukce kompozitního indikátoru lze definovat následovně: Teoretický rámec Proces je zahájen identifikací teoretického rámce, který by měl být vyvinut s cílem poskytnout základ pro výběr a kombinace jednotlivých ukazatelů do smysluplného souhrnného indikátoru na základě principu vhodnosti pro daný účel. Určí se, co bude kompozitní indikátor měřit, jak ho definovat a jaké použít metody při konstrukci.22 Výběr proměnných (sub-indikátorů) Výběr dat by měl být vybírán na základě měřitelnosti a vztahu k sobě navzájem. Vybraná data, respektive proměnné, budou zakomponovány do souhrnného indikátoru. Záleží na kvalitě dostupných ukazatelů.23 Chybějící data Chybějící data lze rozdělit do dvou kategorií – náhodná nebo systematická. Pozornost by měla být věnována přístupům k doplnění chybějících dat, které zahrnují následnou úpravu nebo doplnění a umožňují zkoumat extrémní hodnoty. Doplnění chybějících dat umožní zajištění míry spolehlivosti jednotlivých dopočtených hodnot, a aby bylo možné hodnotit dopad na výsledky kompozitních indikátorů.2425

21

Viz tamtéž OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-12]. Dostupné z: http://www.oecd.org/std/42495745.pdf 23 Viz tamtéž 24 Viz tamtéž 22

19

Základní charakteristiky Základní charakteristiky slouží pro vzájemné porovnání statických souborů. Můžeme zde zařadit aritmetický průměr, medián, modus, minimum, maximum, rozptyl, směrodatnou odchylku, šikmost a špičatost.26 Vícerozměrná analýza Následná vícerozměrná analýza prozkoumává celkovou strukturu ukazatelů, posuzuje vhodnost dat a objasňuje metodické možnosti, např. vážení a agregaci. Používá se pro kontrolu základní struktury dat pomocí vhodných vícerozměrných metod (např. shlukové analýzy) a interpretaci výsledků skupiny statisticky podobných indikátorů nebo zemí.27 Standardizace Princip standardizace je založen na převádění nesouměrných jednotek vybraných dat na jednotky srovnatelné. Výskyt extrémních hodnot může ovlivnit proces tvorby kompozitního indikátoru. V takovém případě je potřeba věnovat extrémním hodnotám dostatečnou míru pozornosti, aby nedošlo ke zkreslení údajů.28 Vážení a agregace Ukazatele se agregují a jsou váženy podle základního teoretického rámce.29 Váhy mají obvykle významný dopad na výsledky souhrnného indikátoru, zejména pokud je vyšší váha přiřazena ukazateli, na jehož podstatě země vynikají nebo naopak. To

25

JRC. Tools for Composite Indicators Building [online]. 2005 [cit. 2014-04-12]. Dostupné z: http://ipsc.jrc.ec.europa.eu/fileadmin/repository/eas/compositeindicators/Documents/EUR_21682_EN_Tools_for_Composite_Indicator_Building.pdf 26 OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-13]. Dostupné z: http://www.oecd.org/std/42495745.pdf 27 OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-15]. Dostupné z: http://www.oecd.org/std/42495745.pdf 28 Viz tamtéž 29 ZHAO, L.; BANERJEE, M. Computational Statistics and Data Analysis vol. 56 issue 2 February 1, 2012. p. 362-369, ISSN: 0167-9473.

20

je důvod, proč musí být váhové modely transparentní. Ukazatele lze shrnout lineární agregací, geometrickou agregací nebo pomocí nelineární metody (multikriteriální analýzou). Každý postup má své konkrétní důsledky.30 Závěrečné zhodnocení Zpětná vazba k jednotlivým ukazatelům je důležitým krokem, kde se ověřuje kompozitní indikátor z pohledu jeho transparentnosti a rozkladu na dílčí ukazatele – dekompozice indikátoru. Dekompozice umožňuje zjistit výkonnost jednotlivých zemí na úrovni indikátoru tak, aby se odhalilo, co je hnacím mechanismem výsledků kompozitního indikátoru.31 Kompozitní indikátor může být korelován s relevantním indikátorem, který je relevantní. Čím nižší je korelace mezi dvěma indikátory, tím nižší má nově vytvořený indikátor vypovídací schopnost.32 Konečnou interpretací výsledků je vizualizace a prezentace. Rozhodnutí v každém z uvedených kroků může ovlivnit následující, proto je nutné dodržovat výše popsané pořadí a vhodnost vybraných metod.33

30

Viz tamtéž WILLMOTT C.J., ACKLESON S.G., DAVIS R.E, FEDDEMA J.J., KLINK K.M., LEGATES D.R., O’DONNEL J., AND ROWE C.M. (1985), Statistics for the evaluation and comparison of models,Journal of Geophisical Research 90: 8995-9005. 32 JRC. Tools for Composite Indicators Building [online]. 2005 [cit. 2014-04-16]. Dostupné z: http://ipsc.jrc.ec.europa.eu/fileadmin/repository/eas/compositeindicators/Documents/EUR_21682_EN_Tools_for_Composite_Indicator_Building.pdf 33 OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-13]. Dostupné z: http://www.oecd.org/std/42495745.pdf 31

21

Tab.2 Postup vytvoření kompozitního indikátoru (zdroj: OECD, 2008; vlastní zpracování)

Teoretický rámec Výběr dat

Chybějící data

Vícerozměrná analýza Normalizace Vážení a agregace

Závěrečné zhodnocení

Krok Poskytuje základ pro výběr a kombinace proměnných do souhrnného indikátoru. Založen na analytickém „zdraví“, měřitelnosti, vztah indikátoru a jevu. Potřeba poskytnout kompletní datovou množinu (prostřednictvím imputace). Struktura datového souboru, posouzení jeho vhodnosti a metodické možnosti (př. váhy, agregace) Převádění nesouměrných jednotek vybraných dat na srovnatelné. Provedení v rámci základního teoretického rámce. Zpětná vazba odhaluje hnací mechanismus dobré nebo špatné výkonnosti a transparentnost k tvorbě politik. Korelace KI s existujícími ukazateli a identifikace jejich vazeb. Vizualizace výsledků – ovlivnění (nebo zvýšení) interpretace.

          

          

Proč je potřeba Představa a definice multi-dimenzionálního jevu, který má být měřen. V případě potřeby uspořádat podskupiny daného jevu. Seznam kritérií pro výběr základních veličin (vstup, výstup, proces). Kvalita dostupných ukazatelů. Diskuze o slabých a silných stránkách jednotlivých ukazatelů. Vytvoření souhrnné tabulky o vlastnostech dat např. dostupnost – (země, čas) zdroj, typ. Odhad chybějící hodnoty. Zajištění míry spolehlivosti jednotlivých dopočtených hodnot, aby bylo možné hodnotit dopad na výsledky kompozitních indikátorů. Diskuze o přítomnost odlehlých hodnot v datové množině. Kontrola základní struktury dat pomocí vhodných vícerozměrných metod (např. shluková analýza) Chce-li autor určit skupinu statisticky podobných indikátorů nebo zemí a interpretovat tak výsledky.

Možnost diskuze o odlehlých hodnotách. V případě potřeby provést úpravu rozsahu. Transformace zkresleného ukazatele. Vybrat vhodnou váhu a agregaci dat v závislosti na teoretickém rámci a vlastnosti dat. Diskutovat o problému korelace mezi indikátory. Zjištění výkonnosti jednotlivých zemí na úrovni indikátoru tak, aby se odhalilo, co je hnacím mechanismem výsledků KI. Zkontrolovat korelaci a kauzalitu (pokud to je možné). Zjistit dominanci ukazatelů a vysvětlit relativní význam dílčích složek kompozitního indikátoru. Korelovat kompozitní předstihový indikátor s dalšími příslušnými opatřeními a brát v úvahu výsledky citlivostní analýzy. Chce-li autor určit ucelený soubor prezentačních nástrojů pro cílové publikum, prezentovat výsledky kompozitního indikátoru jasným a přesným způsobem.

2.2.1

Teoretický rámec

Procesem tvorby kompozitního indikátoru je teoretický rámec. Indikátor umožňuje měřit analyzovaný problém, dílčí ukazatele, váhy, které mají vliv na souhrnný kompozitní indikátor. Cílem je poskytnout základ pro výběr a kombinace jednotlivých ukazatelů do smysluplného souhrnného indikátoru na základě principu vhodnosti, kde roli hraje jak subjektivnost, tak transparentnost. Proces lze podle OECD34 rozdělit do 3 posloupných kroků: 1. Definice konceptu, který má být indikátorem měřen. 2. Stanovení sub-indikátorů, v případě potřeby uspořádat podskupiny daného konceptu, které jsou na sobě nezávislé. 3. Identifikace kritérií pro výběr základních indikátorů (vstup, výstup, proces). 2.2.2

Výběr proměnných

Výběr proměnných, dílčích indikátorů, se provádí na základě relevance, dostupnosti a spolehlivosti. Volba sub-indikátorů je vedena teoretickým rámcem, avšak výběr dat je poměrně subjektivní. Nedostatek relevantních dat tak může omezit schopnost tvorby kompozitního indikátoru. Vzhledem k nedostatku mezinárodně srovnatelných kvantitativních (tvrdých) dat z kompozitních ukazatelů často zahrnují kvalitativní (měkké) údaje z průzkumů a hodnocení politik. Z pragmatického hlediska je však třeba udělat při konstrukci kompozitu kompromisy, může dojít k situaci, kdy nejsou dostupná data pro danou popisnou událost. Poté se musí zvolit proxy, což je zástupní proměnná.35 Z věcně-logického kritéria musíme zvolit, o jaký typ indikátoru se jedná. Pokud jde o indikátor typu max (ukazatel s nevyšší hodnotou je nejlépe hodnocený – např. růst zaměstnanosti, hospodářství, apod.) nebo indikátor typu min (nejlépe je

34

OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-18]. Dostupné z: http://www.oecd.org/std/42495745.pdf 35 Viz tamtéž

hodnocený ukazatel s nejnižší hodnotou – např. chudoba, počet nakažených HIV, apod.).36 Autor by měl rovněž zohlednit i statistická kritéria, mezi která můžeme zařadit extrémní hodnoty, nesouměrné rozdělení, apod., která mohou výsledek ovlivnit negativně. 2.2.3

Chybějící data

Chybějící data jsou přítomna téměř ve všech kompozitních indikátorech. Odborná literatura často uvádí pojem mechanismů výskytu chybějících hodnot, pojem původně pochází od Rubina37, a metod využívaných k doplnění chybějících dat. Tab. 3 Mechanismy a metody chybějících dat (zdroj: OECD, 2008; JRC, 2005; Little, Rubin 2002; vlastní zpracování)

Zcela náhodně Mechanismy

Náhodným způsobem Nenáhodným způsobem Vynechání případu

Metody

Prostá imputace Vícenásobná imputace

36

MINAŘÍK, B.; BORŮVKOVÁ, J.; VYSTRČIL, M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013. 234 s. ISBN 978-80-7431-129-1. 37 RUBIN, Donald B. Inference and missing data [online]. 1976 [cit. 2014-04-18]. Dostupné z: http://people.csail.mit.edu/jrennie/trg/papers/rubin-missing-76.pdf

24

Podle OECD38 a JRC39 existují tři mechanismy chybějících dat: 1. Chybějící data zcela náhodně (Missing Completely at Random – MCAR) – nezávislá na proměnné. Jedná se o záznamy, kde se výskyt chybějící hodnoty moc neliší od těch, které chybějící hodnoty nemají. 2. Chybějící data náhodným způsobem (Missing at Random – MAR) jsou nezávislá přímo na proměnné, ale lze je predikovat na základě ostatních proměnných, 3. Chybějící data nenáhodným způsobem (Missing Not at Random – MNAR) závisí na proměnné (např. proměnná nebyla pro daný záznam naměřena nebo byla data doplněna z externího zdroje. Obecné metody pro řešení chybějících dat40: 1. Vynechání případu – jedná se o kompletní individuální analýzu, která jednoduše

vynechá

chybějící

záznamy

v

analýze.

Tento

přístup

nezohledňuje případné systematické rozdíly mezi úplnými a neúplnými vzorky. Tuto metodu lze použít, pokud má proměnná méně než 5 % chybějících hodnot. 2. Prostá imputace (single imputation) – metoda nahrazuje chybějící hodnoty jednotlivě (průměrem, mediánem, modem, apod.) 3. Vícenásobná imputace (multiple imputation) – metoda založena na Markovských řetězcích Monte Carlo.

38

OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-18]. Dostupné z: http://www.oecd.org/std/42495745.pdf 39 JRC. Tools for Composite Indicators Building [online]. 2005 [cit. 2014-04-20]. Dostupné z: http://ipsc.jrc.ec.europa.eu/fileadmin/repository/eas/compositeindicators/Documents/EUR_21682_EN_Tools_for_Composite_Indicator_Building.pdf 40 LITTLE, R. J.; RUBIN, B. Statistical analysis with missing data. 2nd ed. Hoboken, N.J.: Wiley, c2002, xv, 381 s. Wiley series in probability and statistics. ISBN 04-711-8386-5.

25

Analytickými důsledky neúplných dat prosté a vícenásobné imputace může být vynechání dat, ztráta informace, chybné nahrazení nebo zkreslení daného ukazatele. 2.2.4

Základní charakteristiky

Prvotním zpracováním dat je výpočet základních statistických charakteristik. Jedná se o čísla, která popisují změnu statistického znaku v závislosti na vlastnostech statistického souboru. Základní charakteristiky vzájemně porovnávají statistické soubory. V následující tab. 3 jsou uvedeny základní charakteristiky. Tab. 4 Základní charakteristiky (vlastní zpracování)

Charakteristiky Aritmetický průměr Medián Polohy Modus Minimum a maximum Rozptyl Variability Směrodatná odchylka Variační koeficient Míry asymetrie Šikmost Míry koncentrace Špičatost Korelační koeficient Závislosti Korelační matice

Charakteristiky polohy Mezi základní charakteristiky polohy řadíme aritmetický průměr, medián, modus, minimum a maximum. Všechny tyto charakteristiky jsou popsány níže. Aritmetický průměr ( ̅ ,m) se počítá jako součet naměřených hodnot x1, x2, x3,…xn dělený počtem měření n. Součet pozorování se značí:

=

+

+

26

+⋯+

Aritmetický průměr se vyjádří:

=

1 n

x

Aritmetický průměr nahrazuje jednotlivá data při výpočtu jejich součtu. Je ovlivňován extrémními hodnotami (pokud se změní jakákoliv hodnota xi, potom se změní i průměr celého souboru). Extrémními hodnotami rozumíme tzv. odlehlá pozorování, kterými bývají jedna nebo několik náhodných proměnných, které mají oproti ostatním hodnotám příliš malou nebo příliš velkou hodnotu. Pokud má soubor malý rozsah, mohou případy extrémních hodnot zkreslit aritmetický průměr. Je-li soubor stejnorodý z hlediska zkoumaného znaku, potom je průměr jako správná charakteristika středu souboru.41 Medián se značí

. Jedná se o 50 % kvantil, který se nachází uprostřed všech

hodnot, které jsou seřazené do neklesající posloupnosti. Všechny hodnoty x se seřadí podle velikosti a vybere se hodnota, která se nachází uprostřed. Všechny hodnoty jsou tedy rozděleny na dvě poloviny.4243 Existují dva vzorce pro výpočet mediánu, kde záleží na tom, zda je počet všech hodnot n sudý nebo lichý. V případě lichého počtu hodnot v řadě jde o prostřední hodnotu variační řady. Pokud má soubor sudý počet, potom se v něm vyskytují dvě prostřední hodnoty variační řady. Medián se vypočítá, pokud je n liché číslo nebo jako n sudé číslo:

=

+1 2

=

41

2 +

2 +1 2

HENDL, Jan. Přehled statistických metod: analýza a metaanalýza dat. 4., rozš. vyd. Praha: Portál, 2012, 734 s. ISBN 978-80-262-0200-4. 42 Např. pokud hodnotíme mediánovou mzdu, potom má 50 % lidí stejnou nebo nižší mzdu a dalších 50 % má stejnou nebo vyšší mzdu než já. 43 Řezanková, H., T. Löster. Úvod do statistiky, VŠE v Praze 2009, Oeconomica ISBN 978-80-245-1514-4

27

Velikost hodnot dané proměnné přímo neovlivňuje medián, což potvrzuje definice a výpočet mediánu. To má své výhody, pokud se v souboru vyskytuje jedna nebo více mimořádně extrémních hodnot proměnné.44 V tomto případě je vhodné, že medián (podobně jako modus) na rozdíl od průměru není těmito odlehlými pozorováními ovlivněn a poskytuje tak dobrou představu o objektivní poloze prostřední hodnoty a o úrovni hodnot sledované proměnné.45 Modus je definovaný jako nejčastěji se vyskytující hodnota proměnné v souboru, jedná se tedy o hodnotu s největší četností, která odpovídá vrcholu křivky rozdělení. Modus se v tabulce rozdělení četností určí jako hodnota znaku, která má největší četnost. Rozdělením pravděpodobnosti nemusí být modus určen jednoznačně.46 Jednovrcholové (unimodální) je rozdělení pravděpodobnosti s jedním modem, s dvěma vrcholy jde o dvouvrcholové (bimodální).47 Mezi aritmetickým průměrem, mediánem a modem typu unimodálního rozdělení četností existují určité vztahy, které charakterizují tvar rozdělení četností. U symetrických jednovrcholových četností platí vztah, kde aritmetický průměr, medián a modus jsou si rovny48: ̅=

=

Modus není zkreslen extrémními hodnotami a stejně jako u mediánu jde o konkrétní hodnotu nepřímo ovlivněnou velikostí všech hodnot dané proměnné. Vhodné je jeho použití v případě veličin s neznámým rozdělením (nepravidelným, vícevrcholovým, apod.).49

44

Medián v tom případě není ovlivněn odlehlými pozorováními, jako je to u průměru. Bedáňová I., Večerek V. Základy statistiky pro studující veterinární medicíny a farmacie. VFU Brno, 2007. 46 Může se zde vyskytovat více hodnot se stejnou nejvyšší frekvencí. 47 Bedáňová I., Večerek V. Základy statistiky pro studující veterinární medicíny a farmacie. VFU Brno, 2007. 48 Aritmetický průměr, medián a modus se budou od sebe odlišovat, čím více bude rozdělení četností asymetričtější. 49 Bedáňová I., Večerek V. Základy statistiky pro studující veterinární medicíny a farmacie. VFU Brno, 2007. 45

28

Minimum je nejnižší hodnota, která se nachází ve statistickém souboru. Maximum je naopak nejvyšší hodnota. Charakteristiky variability Rozptyl je definován aritmetickým průměrem čtverců odchylek jednotlivých hodnot sledované proměnné xi od průměru celého souboru. Má řadu unikátních vlastností, je nepostradatelný a nenahraditelný jinou charakteristikou. Rozptyl (variance, zkratka var) se definuje v prosté a vážené formě50:

=

1 n

(

− ̅)

=

1 n

(

− ̅) n

V prosté formě je n rozsah souboru a v případě vážené formy je k počtem intervalů.51 Pokud jsou hodnoty souboru identické, variabilita hodnot sledované proměnné je nulová a výběrový rozptyl s2 = 0. Když se zvětšuje variabilita hodnot sledované proměnné, potom se zvyšuje i velikost rozptylu. Rozptyl nemůže nikdy nabývat záporných hodnot, jelikož je odvozen součtem čtverců odchylek jednotlivých hodnot od průměru souboru. Pokud se přičte ke všem hodnotám, nebo naopak ode všech hodnot odečte, proměnné X libovolná kladná konstanta a, potom se rozptyl nezmění.52 Směrodatná odchylka je definována jako druhá odmocnina z rozptylu. V případě výběrového souboru se vypočítá:

=

=

50

∑(

− ̅) −1

BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. 1. vyd. Praha: Grada, 2010, 272 s. ISBN 978-80-247-3243-5. 51 Viz tamtéž 52 ZVÁROVÁ, Jana. Základy statistiky pro biomedicínské obory: analýza a metaanalýza dat. 2., dopl. vyd. Praha: Karolinum, 2011, 219 s. Biomedicínská statistika, 1. ISBN 978-802-4619-316.

29

Směrodatná odchylka má stejné měrné jednotky jako sledovaná proměnná ve statistickém souboru a může nabývat vždy pouze kladných hodnot.53 Variabilitu lze měřit i bezrozměrnou charakteristikou, která je vyjádřena v %, a to variačním koeficientem. Jedná se o směrodatnou odchylku v „relativním vyjádření“. = ̅

pro x ≠ 0

Pokud chceme vyjádřit tuto charakteristiku v procentech, musíme pracovat se 100

. Variační koeficient je vhodné používat, pokud jsou hodnoty

> 0,

pokud chceme porovnat variabilitu datových souborů s různými nepřevoditelnými měrnými jednotkami nebo pokud mají soubory rozdílnou úroveň a nelze u nich provést srovnání pomocí rozptylu nebo směrodatné odchylky.54 Míry asymetrie Šikmost udává, zda jsou hodnoty kolem středu rozloženy souměrně nebo jestli je rozdělení hodnot zešikmeno na jednu stranu. Tab. 5 Interpretace šikmosti (zdroj: multiedu.tul.cz, 2011; vlastní zpracování)

Rozdělení četností Symetrické Záporné Kladné

Vztah a=0 a<0 a>0

Vztah mezi průměrem, mediánem a modem ̅= = ̅< < ̅> >

53

HENDL, Jan. Přehled statistických metod: analýza a metaanalýza dat. 4., rozš. vyd. Praha: Portál, 2012, 734 s. ISBN 978-80-262-0200-4. 54 BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. 1. vyd. Praha: Grada, 2010, 272 s. ISBN 978-80-247-3243-5.

30

Obr. 3 Šikmost (zdroj: Neubauer, 2012)

Míry koncentrace Špičatost

udává

stupeň

koncentrace

prostředních

hodnot

ve

srovnání

s koncentrací ostatních hodnot. Pokud je tento stupeň koncentrace větší než koncentrace ostatních hodnot, potom se rozdělení četností projeví špičatým tvarem. Pokud je naopak stupeň koncentrace menší, rozdělení četností bude mít plochá tvar.55 Tab. 6 Interpretace špičatosti (zdroj: Neubauer, Sedlačík, Kžíž 2012; vlastní zpracování)

Rozdělení četností Symetrické Záporné Kladné

Vztah a=0 a<0 a>0

55

Tvar četností Plochý tvar Špičatý tvar

Neubauer, J. Sedlačík, M., Kříž O. Základy statistiky: Aplikace v technických a ekonomických oborech. Praha: Grada, 2012. ISBN 978-80-247-4273-1.

31

Obr. 4 Špičatost (zdroj: Neubauer, 2012)

Charakteristiky závislosti Charakteristikami závislosti jsou metody korelační analýzy sloužící k poznání a matematickému popisu statistických závislostí a k ověřování deduktivně učiněných teorií. Jde o hledání, zkoumání a hodnocení souvislostí mezi dvěma a více statistickými znaky. Statistické závislosti mají dvě základní statistické vlastnosti – průběh a intenzitu (těsnost) závislosti.5657

Obr. 5 Lineární závislost mezi dvěma metricky proměnnými (zdroj: absolventi.gymcheb.cz, 2010)

56

Typy průběhu závislosti – přímočarý nebo křivočarý, rostoucí, klesající, střídavý (u křivočaré závislosti). Intenzita – čím vyšší, tím více má korelační pole štíhlejší tvar. 57 HINDLS, Richard. Metody statistické analýzy pro ekonomy. 2. přepracované vyd. Praha: Management Press, 2000, 259 s. ISBN 80-726-1013-9.

32

Korelační koeficient r měří sílu (těsnost) lineární závislosti dvou proměnných a je charakteristikou intenzity. Korelační, neboli Pearsonův koeficient, nabývá hodnot v intervalu <-1,1> a je definován: = Závislost mezi dvěma proměnnými se považuje za tím silnější, čím je tato absolutní hodnota bližší 1. Záporná hodnota naznačuje směr závislosti negativní (nepřímou závislost) a kladná hodnota pozitivní směr závislosti (přímou závislost). Negativní vztah (r < 0) nám říká, že jestliže se sníží proměnná X, musí se snížit i proměnná Y. Pokud se u pozitivního vztahu (r > 0) zvyšuje proměnná X, zvyšuje se i proměnná Y.58 Čím více se korelační koeficient blíží -1 nebo +1, tím je závislost mezi hodnocenými ukazateli pevnější.59 Autor rozhodne, zda tuto závislost bude redukovat pomocí stanovením vah indikátoru, nebo vybere jiný ukazatel, který bude méně závislý.

Když se hodnota blíží nule, tím je volnější.6061Analýza

s vysokým počtem vstupních hodnot se ve většině případů setká s problematikou závislosti.

58

GERYLOVOVÁ, A.; HOLČÍK, J. Úvod do statistiky: text pro semináře. 3. nezměn. vyd. Brno: Masarykova univerzita, 2006, 31 s. ISBN 978-802-1042-230. 59 Např. pro hmotnost a tělesnou výšku se korelační koeficient pohybuje kolem 0,7, jde tedy o poměrně silnou přímou závislost. 60 Pokud má korelační koeficient -0,2, jedná se o volnou nepřímou závislost. 61 GERYLOVOVÁ, A.; HOLČÍK, J. Úvod do statistiky: text pro semináře. 3. nezměn. vyd. Brno: Masarykova univerzita, 2006, 31 s. ISBN 978-802-1042-230.

33

Tab. 7 Intenzita závislosti (zdroj: Minařík, 2006; vlastní zpracování)

Korelační koeficient 0,0 0,0–0,3 0,3–0,5 0,5–0,7 0,7–0,9 0,9–0,99 1

Síla závislosti Nulová, žádná Slabá Střední Významná Vysoká Extrémně vysoká Pevná

Korelační matici je vhodné použít při sledování více proměnných současně.62 V korelační matici jsou zobrazeny korelační koeficienty, respektive korelační vztahy dvou proměnných. (Kozel, 2011) Pokud máme v souboru více proměnných (

> 2), poté lze korelační koeficienty dvou proměnných, párové koeficienty,

utřídit do symetrické čtvercové tabulky

×

, kde jsou hlavní jednotky zobrazeny

na diagonále. V tomto případě hovoříme o korelační matici. Pokud nejméně jedna proměnná nesplňuje předpoklad použití regresní přímky a korelačního koeficientu, které jsou přibližně symetricky modální nebo rovnoměrně rozdělené, např. pokud mají obě proměnné extrémně nesymetrické levostranné rozdělení, což je běžné, potom je vhodné použít logaritmickou transformaci.63 2.2.5

Vícerozměrná analýza

V posledních dekádách došlo k nárůstu počtu kompozitních ukazatelů, které jsou prezentovány různými národními a mezinárodními institucemi. Jednotlivé ukazatele mohou být vybrány svévolným způsobem s malým důrazem na vzájemné vztahy. Některými analytiky je toto prostředí charakterizováno jako „bohatý indikátor, chudé informace.“64 Analýza indikátorů před výstavbou kompozitního indikátoru posuzuje vhodnost datového souboru a nabízí tak

62

TABACHNICK, B., FIDELL L. Using Multivariate Statistics. Harper & Row Publishers, New York, 1989, pp. 746 63 64

MINAŘÍK, B. StatistikaI – 2. část.MZLU:Brno, 2006, 07. ISBN80-7157-929-7 HEBÁK, P. Vícerozměrné statistické metody 3, Praha: Informatorium, 2007, ISBN 978-80-7333-001-9 .

34

možnost využití metodologických postupů, např. vážení a agregaci. Informace se dále mohou dělit a analyzovat ve dvou dimenzích: pro jednotlivé ukazatele a země.65 Seskupení informací jednotlivých ukazatelů Autor rozhodne, zda je struktura kompozitního indikátoru správně definovaná a zda jsou k dispozici dostatečná a vhodná data jednotlivých ukazatelů. Pro zjištění informací týkajících se dílčích indikátorů, vazeb mezi nimi a vlastností struktury statistického souboru, můžeme použít faktorovou analýzu66 či analýzu hlavních komponent (Principal Component Analysis – PCA).67 Analýza hlavních komponent je jednou z nejstarších a nejvíce používaných metod. Byla zavedena v roce 1901 Pearsonem a nezávisle Hotellingem v roce 1933. Cílem analýzy je odhalit, jak se různé proměnné mění ve vztahu k sobě navzájem. Jedná se o transformaci dat z původních proměnných xi, j = 1,…,m, do menšího souboru latentních proměnných yi. Stanovují se zde tzv. charakteristická čísla, která lze určit i pro korelační matice, a charakteristické vektory. Je často používána k redukci počtu proměnných na relevantní proměnné popisující variabilitu s co nejmenší ztrátou informace.68 Seskupení informací o zemích Shluková analýza se používá pro klasifikaci velkého množství informací ohledně zemí a zjišťuje podobnost jednotlivých zemí v různých indikátorech.69 Shluková analýza se stala hlavním tématem v roce 1960, kdy kniha „Základy numerické

65

OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-27]. Dostupné z: http://www.oecd.org/std/42495745.pdf 66 VICHI M., KIERS H. Factorial k-means analysis for two-way data, Computational Statistics and Data Analysis, 2001, 37(1): 49-64. 67 Viz tamtéž 68 Viz tamtéž 69 OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-04-29]. Dostupné z: http://www.oecd.org/std/42495745.pdf

35

taxonomie“ prezentovaná Sokalem a Sneathem motivovala celý svět ve výzkumu metod shlukování a tím iniciovala vydání široké škály knih.70 Klasickou metodou je metoda hierarchického aglomerativního shlukování, kdy dochází k postupnému shlukování objektů, kdy v jednotlivých krocích dochází ke spojení dvou objektů anebo k vytvoření shluků. Počet kroků se rovná n-1.71 Jednoprvkové „shluky“ n tvoří počáteční stav, během každého kroku se počet shluků sníží o jeden, kdy výsledkem n-1 bude shluk o n prvcích. Shlukování nekončí až v kroku n-1, jelikož lze pro ukončení použít jasná kriteria, jejich použití pomůže rozpoznat vhodný počet shluků. Interpretace výsledné struktury se provádí ex post, tedy není součástí procesu.72 Objekty lze shlukovat na základě jejich podobnosti nebo vzdálenosti. Mezi metody hierarchického shlukování podle Lukasové a Šarmanové73 řadíme: 1. Metoda nejbližšího souseda – vzdálenost shluků se určuje vzdáleností dvou nejbližších objektů a to z různých shluků, kdy jsou objekty přitahovány k sobě. 2. Metoda nejvzdálenějšího souseda – vzdálenost shluků se určuje vzdáleností dvou nejvzdálenějších objektů opět z různých shluků. Používá se v případě přirozeně oddělených shluků tvořených objekty. 3. Centroidní metoda – vzdálenost center určuje vzdálenost shluků (vážená a nevážená podoba).

70

BOCK, H. H. Origins and extensions of the means algorithm in cluster analysis. In: Electronic Journal for History of Probability and Statistics [online]. 2008 [cit. 2014-05-01]. Dostupné z: http://www.jehps.net/Decembre2008/Bock.pdf 71 n udává počet shlukovaných objektů 72 MINAŘÍK, Bohumil. Statistika I: Popisná statistika (II. část). Měření závislostí. Statistické srovnávání. Popis časových řad. 1.vyd. Brno: Mendelova zemědělská a lesnická univ., 2000, s.105-207. ISBN 80-7157427-9. 73 LUKASOVÁ, Alena a Jana ŠARMANOVÁ. Metody shlukové analýzy. 1. vyd. Praha: Státní nakladatelství technické literatury, 1985, 210 s.

36

4. Párová vzdálenost – průměr vzdáleností všech párů objektů z různých shluků určuje vzdálenost shluků (vážená a nevážená podoba). 5. Wardova metoda – je odvozena z analýzy rozptylu. Slučuje shluky s minimálním součtem čtverců. Tato metoda často vytváří poměrně malé shluky. Pokud je počet proměnných velký nebo nemají velký význam v identifikaci shluků, potom mohou být modely použity postupně. Odborníci často nejdříve provedou metodu PCA a poté shlukovou analýzu. Tyto metody však nemusí odhalit strukturu shluků a mohou maskovat taxonomické informace. Navržené metody kombinují shlukové

analýzy

s aspekty

PCA

k nízko-dimenzionálnímu

výstupu

s multi-

dimenzionálním měřítkem.74

2.2.6

Standardizace

Cílem standardizace je transformovat původní hodnoty do bezrozměrných veličin, které jsou snadno agregovatelné. Metody standardizace mají odlišné vlastnosti, které vedou k různým výsledkům hodnocených jednotek a to za pomoci vytvořením kompozitních indikátorů.75 Metoda pořadových čísel (ranking) nahrazuje měřitelné proměnné Xj jejich pořadím, čímž vytvoří ordinální proměnnou Pj. Indikátorům typu max je přiřazeno pořadové číslo sestupně (nejnižší pořadí má nejvyšší hodnota) a u indikátorů typu min má nejnižší hodnota nejnižší pořadí. (Freudenberg, 2003) Dojde-li ke shodě pořadí, potom se všem jednotkám přiřadí průměr z pořadí, které by jim náleželo v případě hodnot, které nejsou totožné.76 Pořadová čísla jsou oproti kritériím

74

OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-05-03]. Dostupné z: http://www.oecd.org/std/42495745.pdf MINAŘÍK, Bohumil. Statistika I: Popisná statistika (II. část). Měření závislostí. Statistické srovnávání. Popis časových řad. 1.vyd. Brno: Mendelova zemědělská a lesnická univ., 2000, s.105-207. ISBN 80-7157427-9. 75

Např. pokud jsou dvě nejnižší hodnoty indikátoru typu min shodné, přiřadí se jim průměr z pořadových čísel 1, 2, tedy pořadí 1,5 bude náležet dvěma nejlépe hodnoceným jednotkám. U 76

37

vyjádřených v různých jednotkách (vzájemně nepřevoditelných) bezrozměrná a jsou lehce agregovatelná. Dochází k částečné ztrátě informace, která je obsažená v datech – různé rozdíly mezi jednotkami jsou nahrazeny konstantními rozdíly mezi jejich pořadovými čísly. K eliminaci hodnot dochází i při nahrazení hodnot pořadovými čísly. Korelace původních indikátorů a pořadových čísel jsou rozdílné.77 Metoda normované proměnné (z–scores) nahrazuje indikátor Xj typu max, který je rozměrný, bezrozměrným

=

s nulovým průměrem (

rozptylem i jednotnou směrodatnou odchylkou (var typu min se provádí transformace

=

=

= 0), jednotkovým = 1). U indikátoru

. Znormované hodnoty lze

jednoduše agregovat, nezmění se hodnota korelačních koeficientů a nedojde k eliminaci odlehlých hodnot.78 Metoda min–max (re–scaling) transformuje výpočty v intervalu 〈0; 100〉. Pro indikátory typu max se bezrozměrná bodová hodnota vypočítá: =

−

100

−

Pro indikátory typu max vypočteme bezrozměrnou bodovou hodnotu: =

− −

100

indikátoru typu max se shodnou nevyšší hodnotou u třech jednotek se všem jednotkám přiřadí průměr z pořadových čísel 1, 2 ,3 , což je 2. 77

MINAŘÍK, Bohumil. Statistika I: Popisná statistika (II. část). Měření závislostí. Statistické srovnávání. Popis časových řad. 1.vyd. Brno: Mendelova zemědělská a lesnická univ., 2000, s.105-207. ISBN 80-7157427-9. 78 Viz tamtéž

38

Min {Xj}, max {Xj} reprezentují nejmenší a největší v souboru jednotek zjištěnou hodnotu j-tého indikátoru. Bodové hodnoty lze jednoduše agregovat, v absolutní hodnotě se hodnota korelačních koeficientů nezmění a nedojde k eliminaci odlehlých hodnot.79 Metoda vzdálenosti od referenční jednotky (distance to a reference) zavádí neexistující (fiktivní) referenční jednotku do souboru jednotek. Tato jednotka nabývá nejlepší hodnoty, a to u všech indikátorů (v souboru, existující mimo něj nebo potencionálně možnou).80 K určení všech reálných jednotek od jednotky referenční se používají metriky.81 Nejnižší vzdálenost od referenční jednotky vykazuje nejlépe hodnocená jednotka, naopak nejvyšší vzdálenost nejhůře hodnocená jednotka.82 Existují i další metody, které se využívají pro normalizaci indikátorů, jako jsou např. cyklické indikátory, normalizace pomocí ročního procentního rozdílu nebo metoda používaná při bilancování názorů a další.83 Hodnotu kompozitního indikátoru může autor vyjádřit i relativně, tedy ve vztahu k jeho průměrné hodnotě. Lze je vyjádřit jako: č á( ů ě

á)ℎ áℎ

100 ( %)

Indexy mají stejně jako hodnoty kompozitních indikátorů význam ve vztahu k souboru vybraných zemí. Výsledná hodnota indexu nevyjadřuje absolutní

79

Viz tamtéž JACOBS, R. Measuring performance: An examination of composite performance indicators [online]. 2004 [cit. 2014-05-04]. Dostupné z: http://www.york.ac.uk/che/pdf/tp29.pdf 81 Metriky jako je např. euklidovská vzdálenost, její čtverec nebo Hammingova vzdálenost. 82 MINAŘÍK, B. - BORŮVKOVÁ, J. - VYSTRČIL, M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013. 234 s. ISBN 978-80-7431-129-1. 83 OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-05-04]. Dostupné z: http://www.oecd.org/std/42495745.pdf 80

39

hodnocení země, vypovídá pouze o jeho umístění v souboru zemí, které jsou hodnoceny.84 2.2.7

Určení vah

Většinou se u kompozitních indikátorů spoléhá na stejné vážení (equal weighting – EG), kdy je všem proměnným přiřazena stejná váha. Tedy situace, kdy při počtu m indikátorů považujeme jejich váhy

> 0; j = 1, 2,…, m za konstantní. Každý

indikátor má váhu 1 (součet vah je rovný počtu indikátorů – ∑ váhu

(∑

=

) anebo

= 1). Znamená to, že všechny proměnné mají stejný význam

v kompozitu, ale mohlo by to také zakrývat absenci statistického nebo empirického základu.85 Pokud se jedná o určení vah, jde vždy o vážné rozhodnutí a to bez ohledu na to, jaká metoda bude zvolena. Autor může vybírat ze statistických metod, kdy může přiřadit vyšší váhy těm komponentám, které mají větší vliv a odráží lépe např. politickou prioritu.86 Metoda hodnotících škál s lichým počtem stupňů – např. pětibodovou škálu hodnotící závažnost indikátorů na stupnici 1, 3, 5 můžeme vyjádřit i slovně – nízká, průměrná, vysoká závažnost). Vydělením počtu dosažených bodů u daného kritéria a součtem dosažených bodů u všech kritérií se provede standardizace vah. V tom případě ∑

= 1. Další možností je vydělit počet dosažených bodů

průměrným počtem bodů připadajících na jedno kritérium, tedy ∑

=

.87

Matice párových porovnání – jedná se o tabulku rozměru m×m. Tato tabulka je vyplňována po řádcích, kdy píšeme do daného políčka „1“, když indikátor považujeme za závažnější než sloupcový, u méně závažného se píše „0“. Pokud je 84

MINAŘÍK, B.; BORŮVKOVÁ, J.; VYSTRČIL, M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013. 234 s. ISBN 978-80-7431-129-1. 85 Např. nedostatečná znalost kauzálních vztahů nebo nedostatek shody na alternativu. 86 MINAŘÍK, B. - BORŮVKOVÁ, J. - VYSTRČIL, M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013. 234 s. ISBN 978-80-7431-129-1. 87 Viz tamtéž

40

řádkový i sloupcový indikátor považován za stejně závažný, píše se „0,5“. Podle hlavní diagonály se postupně do symetrického pole zapisuje „0“, „1“ a „0,5“. Prázdná zůstanou pouze pole, která jsou orientována diagonálně. Váhy indikátorů získáme vydělením řádkových součtů matic

(

)

, kdy získáme hodnotu

1 standardizováním součtu. Pokud vydělíme řádkové součty

(

)

, získáme součet

vah, který je roven m. Porovnáváním dvojic indikátorů neztrácíme přehled ani v případě velkého počtu indikátorů.88 Matice preferencí – hodnotí, kolikrát je považován řádkový indikátor za důležitější, než je indikátor sloupcový.89 Výhodou této matice je skutečnost, kdy u porovnávání nelze dospět k nulové váze.90 U výše uvedených metod se používá „expertní přístup“, kdy je skupina expertů zapojena do stanovení vah v kontextu dané problematiky. Výsledné váhy jsou určeny průměrem individuálních hodnocení expertů („více hlav víc ví“).91 2.2.8

Agregace

Bez ohledu na to, jakou autor použije metodu standardizace indikátorů, může jeho agregaci do podoby souhrnného kompozitního indikátoru provést: V případě stejných vah se používá metoda prostého součtu a metoda váženého součtu (pořadí normovaných, bodových hodnot, vzdáleností od referenční jednotky) se používá pouze za neexistence chybějících hodnot. Vážený součet se vypočítá jako: ̅=

88 89

∑ ∑

Viz tamtéž Jestliže považujeme řádkový indikátor za např. dvakrát důležitější než sloupcový, potom píšeme „2“ a

u symetricky položeného pole . MINAŘÍK, - B. BORŮVKOVÁ, - J. VYSTRČIL, M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013. 234 s. ISBN 978-80-7431-129-1. 91 Viz tamtéž 90

41

Metodou váženého průměru (pořadí normovaných, bodových hodnot, vzdáleností od referenční jednotky). Při existenci chybějící hodnoty se musí vynechat hodnota v součtu v čitateli i váha ve jmenovateli. V případě stejných vah se jedná o metodu prostého průměru. Výsledná hodnota kompozitního indikátoru je ovlivněna použitím výše zmíněné metody standardizace, tedy různé metody vedou k různým výsledkům. Bezrozměrný kompozitní indikátor je výsledkem agregace a vztahuje se pouze na soubor hodnocených jednotek. Jedná se o relevantní hodnocení.9293 2.2.9

Závěrečné zhodnocení

Kompozitní indikátory slouží jako výchozí bod pro analýzu. I když mohou být použity jako souhrnný ukazatel pro vedení politiky, mohou se rozložit tak, že příspěvek dílčích prvků a jednotlivých ukazatelů lze identifikovat. Rozklad souhrnného indikátoru tak může vyzdvihnout rozvoj nebo situaci v dané zemi, používá se tedy k zobrazení silných a slabých stránek. Nástroje, jako jsou Bayesovské sítě nebo modelování strukturních rovnic, mohou přispět k dalšímu vysvětlení vztahu mezi kompozitem a jeho složkami. Neexistuje žádná optimalizace, jak prezentovat jednotlivé ukazatele a profily jednotlivých zemí. Jedním ze způsobů může být pavučinový diagram.94 Kompozitní indikátory mohou být spojeny s dalšími proměnnými. Často obsahují ukazatele, které jsou měřitelné.95 Srovnávání dvou datových souborů znamená, že

Hodnota kompozitního indikátoru vysoce rozvinutých států není srovnatelná s hodnotou kompozitního indikátoru méně rozvinutých, zaostávajících států. 93 MINAŘÍK, B.; BORŮVKOVÁ, J.; VYSTRČIL, M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013. 234 s. ISBN 978-80-7431-129-1. 94 OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER GUIDE [online]. 2008 [cit. 2014-05-08]. Dostupné z: http://www.oecd.org/std/42495745.pdf 95 Např. růst produktivity, vstup nových firem na trh, apod. 92

42

rozdíly mohou být podobné, ale změna dílčího indikátoru nemusí nutně vést ke změně souhrnného indikátoru a naopak.96 Kompozitní indikátory musí být na závěr prezentovány tak, aby jim koncoví uživatelé porozuměli. Jedním ze způsobů interpretace jsou tabulky, které poskytují kompletní informace, ale v případě výskytu nějakého problému nemusí být na první pohled znát. Proto musí sám autor rozhodnout, zda chce použít tabulky, grafy, mapy anebo všechno.97 Tabulka je jednoduchou prezentací výsledků souhrnného indikátoru pro jednotlivé země nebo regiony. Obvykle jsou země zobrazeny v sestupném pořadí podle hodnoty. V průběhu času mohou být sledovány změny výkonnosti země. Tabulky mohou mít komplexní přístup k zobrazování výsledků, ale také mohou být příliš podrobné a tím pádem už nejsou vizuálně poutavé. Mohou být také zobrazeny v rámci cílené informace pro soubor zemí, např. seskupených podle HDP, geografického místa, atd. Trend výkonnosti země může být prezentován prostřednictvím trendových diagramů pouze tehdy, pokud jsou k dispozici dva různé časové okamžiky, potom můžeme zobrazit a prezentovat změnu tempa růstu kompozitního indikátoru.98 Další prezentací výsledků mohou být následující grafy:

96

GENTLE, James E.Wolfgang Karl Härdle. Handbook of computational statistics concepts and methods. 2nd rev. and updated ed. Berlin: Springer, 2012. ISBN 978-364-2215-513. 97 TUFTE, Edward R. The visual display of quantitative information. 2nd ed. Cheshire: Graphics Press, 2007, 197 s.; ISBN 978-0-9613921-4-7. 98 EFRON, B., TIBSHIRANI, R. Statistical data analysis in the computer age. 1991, Science 253, 390-395.

43

70

Přístup k sanitárním zařízením

60

50

40

30

20

10 40

50

60

70

80

90

100

Přístup k vodě

Obr. 6 Bodový graf (zdroj: WB 2011, vlastní zpracování programem STATISTICA) 4

Počet pozorování

3

2

1

0 -50

0

50

100

150

200

250

300

Produkce obilovin

Obr. 7 Histogram (zdroj: WB 2011; vlastní zpracování programem STATISTICA)

44

Burundi

Džibutsko

Zleva doprava: Emi se CO2 Zemědělská půda Naděj e dožití při narození Obchod se zbožím

Eritrea

Obr. 8 Ikonový graf – mnohoúhelníky (zdroj: WB 2011; vlastní zpracování)

45

3 VLASTNÍ PRÁCE Praktická část diplomové práce je zaměřena na návrh a analýzu kompozitního indikátoru udržitelného rozvoje na regionální úrovni pro region východní Afriky ve třech pilířích udržitelného rozvoje. Provést vyhodnocení kompozitního indikátoru na množině územních jednotek východní Afriky a prezentovat výsledky zkoumání prostřednictvím tabulkových, grafických a mapových výstupů při využití definovaného časového úseku. Udržitelný rozvoj je prezentován ekonomickým, sociálním a environmentálním pilířem. V průběhu zpracování práce jsem zvolila čtyři indikátory, kompozitní indikátor tedy bude složen z dvanácti sub-indikátorů. Jednotlivé sub-indikátory jsou zastoupeny za rok 2011. Vybrala jsem rok 2011 proto, že novější data nejsou ke všem zemím regionu východní Afriky dostupná nebo nebylo provedeno měření, a to především v případě Súdánu, který se v roce 2011 rozpadl na Súdán a Jižní Súdán.

3.1

Územní jednotky

Pro region východní Afriky jsem vybrala územní jednotky Burundi, Džibutsko, Eritreu, Etiopii, Keňu, Madagaskar, Malawi, Mozambik, Rwandu, Tanzanii a Ugandu.99 Keňa, Uganda, Tanzanie, Burundi a Rwanda tvoří Východoafrické společenství (The East African Community – EAC)100.

99

Viz příloha č. 1. Východoafrické společenství zahrnuje Keňu, Ugandu, Tanzanii, Burundi a Rwandu. Jedná se o mezivládní organizaci. Tanzanie má oproti ostatním zemím relativně klidnou historii od získání nezávislosti, naopak v Keni, Ugandě, Burundi i Rwandě se vyskytly občanské nepokoje. Tanzanie proto nepodporuje Východoafrickou federaci, jelikož má větší rozlohu než Keňa a Burundi, Uganda, Rwanda dohromady a obává se zabrání půdy z důvodu migrace obyvatel z oblastí postižených konflikty. 100

46

3.2

Použité ukazatele

Následně zvolené ukazatele zastupují udržitelný rozvoj, který se skládá z ekonomického, sociálního a environmentálního pilíře. Všechny pilíře zastupují 4 vybrané dílčí indikátory za rok 2011, které jsou následně definovány.

47

Tab. 8 Tabulka – okruh (zdroj: WB 2011a–e, UN 2010, UN 2011, Index Mundi 2011,IEF 2011; vlastní zpracování)

Environmentální

Sociální

Ekonomický

Pilíř

Indikátor X1

HDP na obyvatele

X2

Přímé zahraniční investice, čistý příliv

X3

Obchod se zbožím

X4

Svoboda podnikání

X5

Naděje dožití při narození

X6

Dětská úmrtnost

X7

Přístup k sanitárním zařízením

X8

Počet lékařů na 1 000 obyvatel

X9

Zemědělská půda

X10

Produkce obilovin

X11

Přístup k vodě

X12

Emise CO2

Konstrukce

Měrná jednotka

Zdroj

Typ indikátoru

Aktuální $ US

WB

MAX

% HDP

WB

MAX

% HDP

WB

MAX

Kvantitativní míra schopnosti zahájit – provozovat – ukončit podnikání

〈0; 100〉

IEF

MAX

Naděje dožití při narození – celkem

V letech

WB

MAX

Počet úmrtí na 1000 živě narozených

WB

MIN

%

MDG´s

MAX

Počet

Index Mundi

MAX

%

WB

MAX

kg

WB

MAX

%

WB

MAX

Kg

MDG´s

MIN

č

í ℎ ý

ří é

č í č +

ý

č č .

č

ú

í ý ℎ

ž ě

ří

á ý

č ý

é

řů

ří

∗ 1000

č ě ě

á ů ℎ (

č

í

č

ý

č

. ý

ří č

ý

č

)

ě

2

í

Ekonomický pilíř HDP na obyvatele používá pro určení výkonnosti ekonomiky státu. Jedná se o celkovou peněžní hodnotu statků a služeb, která je vytvořena na určitém území za dané období. HDP se vypočítá jako součet hrubé přidané hodnoty dílčích institucionálních odvětví nebo sektorů a čistých daní produkty101. Je zde zahrnuta výroba za národní hospodářství, na straně užití se zachycuje mezispotřeba a na straně zdrojů produkce. Rozdílem mezi produkcí a mezispotřebou se rozumí hrubá přidaná hodnota. Zdroje za národní hospodářství jsou doplněny o daně snížené o dotace na výrobky, tedy: HDP = produkce – mezispotřeba + daně z produktů – dotace na produkty.102 Přímé zahraniční investice jsou součtem vlastního kapitálu, reinvestic zisku, krátkodobého a dlouhodobého kapitálu tak, jak je uvedeno v platební bilanci. Jedná se o čistý příliv investic k získání podílu na kmenových akciích a rozhodovacích pravomocích ve výši alespoň 10 % nebo takového podílu, kterým zahraniční investor získá rozhodovací pravomoci. Jde tedy o čistý příliv zahraničních investorů do tuzemska, kdy podmínkou je trvalý zájem investora o společnost a podíl na řízení. Přímé zahraniční investice jsou vyjádřeny v % HDP.103 Obchod se zbožím jako podíl na HDP je součet vývozu a dovozu zboží vydělený hodnotou HDP. Vše je uváděno v běžných amerických dolarech.104 Svoboda podnikání je faktorem jednoho ze čtyř pilířů ekonomické svobody. Je součástí pilíře efektivity regulace. Jedná se o kvantitativní míru schopnosti zahájit, provozovat a ukončit podnikání, které je zátěží pro regulaci i účinnost Produkty nejsou rozvrženy do odvětví a sektorů. WB. GDP [online]. 2011d [cit. 2014-05-05]. Dostupné z: http://data.worldbank.org/indicator/NY.GDP.MKTP.CD 103 WB. Foreign direct investment, net inflows (% of GDP) [online]. 2011c [cit. 2014-05-05]. Dostupné z: http://data.worldbank.org/indicator/BX.KLT.DINV.WD.GD.ZS 104 WB. Merchandise trade (% of GDP) [online]. 2011g [cit. 2014-05-05]. Dostupné z: http://data.worldbank.org/indicator/TG.VAL.TOTL.GD.ZS 101 102

vlády v regulačním procesu. Hodnota svobody podnikání je vyjádřena intervalem 〈0; 100〉, kdy 0 uvádí nejméně svobodné podnikatelské prostředí a naopak 100 nejvíce svobodné podnikatelské prostředí.105

Burundi

Džibutsko

Eritrea

Etiopie

Keňa

Madagaskar

Malawi

Mozambik

Rwanda

Tanzanie

Uganda

Pravotočivě: HDI Přímé zahraniční investice Obchod se zbožím Svoboda podnikání

Obr. 9 Graf jednotlivých indikátorů ekonomického pilíře – původní data (zdroj: vlastní zpracování programem STATISTICA)

Sociální pilíř Naděje dožití při narození, neboli střední délka života, je statistický údaj, který udává průměrný, předpokládaný věk, kterého dosahují členové dané populace a to za předpokladu setrvání úmrtnostních poměrů platných v roce, ve kterém se osoba narodila. Tato hodnota je ovlivňována faktory, jako je ekonomika země, strava, 105

IEF [online]. 2011 [cit. 2014-05-24]. Dostupné z: http://www.heritage.org/index/explore?view=byregion-country-year

50

infrastruktura (vodní zdroje, odpad), úroveň zdravotnictví, vojenský stav země, životní prostředí, apod.106 Dětská úmrtnost je ukazatel, který znázorňuje počet dětí zemřelých před dosažením jednoho roku na 1 000 živě narozených dětí v daném roce. Většina úmrtí dětí (zhruba 70 % dětí v rozvojových zemích) je způsobena akutní respirační infekcí, spalničkami, malárií, podvýživou, průjmovým onemocněním nebo jejich kombinací. Těmto nemocem přispívá nedostatek pitné vody a sanitárních zařízení. Některým úmrtím lze předejít pomocí vakcín, antibiotik, dětskou výživou, moskytiérou či celkovým zlepšením zdravotní péče.107 Podíl populace s přístupem k sanitárním zařízením je podíl obyvatel, městského i venkovského, který má přístup k hygienickým zařízením, která oddělují lidské exkrementy od lidského kontaktu. Mezi lepší vybavení patří splachovací záchody nebo záchody spojené s kanalizací (septikem), nebo latríny, které jsou větrané, latríny s deskou či platformou. Nevyhovujícímu vybavení odpovídá sdílení těchto hygienických zařízení a vypouštění jejich obsahu do otevřené kanalizace nebo příkopu, do odpadových jam nebo přímo do vodních toků.108 Počet lékařů na 1 000 obyvatel zahrnuje jak odborné, tak všeobecné lékaře. Zejména nejchudší státy se potýkají s nedostatkem lékařů a zdravotnických pracovníků. Většina místních obyvatel nemá přístup k lékařskému materiálu ani k lékařům. V zemích s nízkými příjmy existuje jen malé povědomí o tom, že některé nemoci se dají léčit, proto je nutná osvěta, aby lidé věděli, že existuje i prevence nemocí a u některých i možná léčba.109

106

WB. Life expectancy at birth, total (years) [online]. 2011f [cit. 2014-05-05]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.LE00.IN 107 WB. Mortality rate, infant (per 1,000 live births) [online]. 2011h [cit. 2014-05-05]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.IMRT.IN 108 UN. MGD Indicators: Proportion of population using an improved sanitation facility [online]. 2011 [cit. 2014-05-24]. Dostupné z: http://mdgs.un.org/unsd/mdg/SeriesDetail.aspx?srid=668 109 INDEX MUNDI. Physicians density (physicians/1,000 population) [online]. 2011 [cit. 2014-05-05]. Dostupné z: http://www.indexmundi.com/g/r.aspx?v=2226

51

Burundi

Džibutsko

Eritrea

Etiopie

Keňa

Madagaskar

Malawi

Mozambik

Rwanda

Tanzanie

Uganda

Pravotočivě: Naděje dožití při narození Dětská úmrtnost Přístup k sanitárním zařízením Lékaři/1000 obyvatel

Obr. 10 Graf jednotlivých indikátorů sociálního pilíře – původní data (zdroj: vlastní zpracování programem STATISTICA)

Environmentální pilíř Zemědělskou půdou se rozumí procento orné půdy z celkové rozlohy země. Vztahuje se tedy k podílu půdy, kdy se jedná o ornou půdu na základě pěstování trvalých kultur a stálých pastvin. Pozemky zahrnující ornou půdu jsou definované organizací FAO. Nejsou zde zahrnuty pozemky, které byly opuštěné v důsledku přesunu pěstování. Trvalé kultury zabírají půdu po dlouhou dobu a nemusí být přesázené po každé sklizni, jako je kakao, káva a guma. Půda stálých pastvin je

52

využívaná 5 a více let pro krmiva hospodářského dobytka, včetně přírodních a pěstovaných plodin.110 Produkce obilovin znázorňuje výrobní údaje o obilovinách, konkrétně se týkajících sklizených zrn plodin pšenice, ječmenu, kukuřice a ostatních obilovin. V tomto ukazateli nejsou zahrnuty obilné plodiny na seno, sklizené zelené potraviny, krmiva nebo siláže, které se používají pro pastvu. Tento ukazatel je důležitý pro ilustraci soběstačnosti státu při pěstování obilovin a také v souvislosti s výživou obyvatelstva.111 Populace

s přístupem

k vodě

zahrnuje

procento

obyvatelstva,

městského

i venkovského, s přístupem k vodě. Jedná se o procento obyvatel, které využívá následující typy zásobování vodou k pití: odvody vody přímo do obydlí nebo dostupnost vody ve dvoře (připojení vody v domácnostech potrubím nebo ve dvoře), balená voda (pokud je sekundární zdroj kvalitní, dostupný a k dispozici) a další vylepšené zdroje pitné vody (veřejné hydranty, trubkové studně nebo vrty, chráněné vykopané studně, chráněné prameny a sběr dešťové vody). Naopak zde nejsou zahrnuty nechráněné zdroje, jako jsou cisterny, balená voda (pokud není sekundární zdroj kvalitní), povrchové vody získány z řek, rybníků, potoků, jezer, přehrad, nebo zavlažovacích kanálů.112 Emise oxidu uhličitého (CO2) jsou uvedeny jako CO2 na obyvatele v kg. CO2 vzniká spalováním fosilních paliv a z výroby cementu, při spotřebě tuhých, kapalných a plynných paliv a zemního plynu. CO2 je běžnou součástí zemské atmosféry a jeho

110

WB. Agricultural land (% of land area) [online]. 2011a [cit. 2014-05-05]. Dostupné z: http://data.worldbank.org/indicator/AG.LND.AGRI.ZS 111 WB. Cereal production (metric tons) [online]. 2011b [cit. 2014-05-05]. Dostupné z: http://data.worldbank.org/indicator/AG.PRD.CREL.MT 112 WB. Improved water source (% of population with access) [online]. 2011e [cit. 2014-05-24]. Dostupné z: http://data.worldbank.org/indicator/SH.H2O.SAFE.ZS

53

koncentrace v ovzduší kolísá v závislosti na místních podmínkách. Pokud se jedná o průmyslové emise, průměrná koncentrace CO2 ve vzduchu se zvyšuje.113

Burundi

Džibutsko

Eritrea

Etiopie

Keňa

Madagaskar

Malawi

Mozambik

Rwanda

Tanzanie

Pravotočivě: Zemědělská půda Produkce obilovin Přístup k vodě Emise CO2

Uganda

Obr. 11 Graf jednotlivých indikátorů environmentálního pilíře – původní data (zdroj: vlastní zpracování programem STATISTICA)

3.3

Konstrukce kompozitního indikátoru

Důležitými charakteristikami pro výpočet kompozitního indikátoru jsou základní statistické

charakteristiky,

kterými

je

aritmetický

průměr,

z variabilních

charakteristik to je rozptyl, směrodatná odchylka a variační koeficient a dalšími je medián, minimum, maximum, šikmost a špičatost.

113

UN. MDGs: Carbon dioxide emissions (CO2), metric tons of CO2 per capita (CDIAC) [online]. 2010 [cit. 2014-05-24]. Dostupné z: http://mdgs.un.org/unsd/mdg/SeriesDetail.aspx?srid=751

54

Tab. 9 Základní statistické charakteristiky (zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování) Proměnná Průměr Medián Minimum Maximum Rozptyl Sm.odch. Šikmost Špičatost X1

564,6600 478,6156 246,9143 1461,637 110093,0 331,8026 2,27979

5,91362

X2 X3

5,3370 2,2916 51,9393 48,6854

0,1424 35,2534

22,646 78,846

41,8 202,4

6,4655 14,2273

X4

50,5636 50,3000

18,2000

76,900

299,5

17,3063 -0,35912 -0,39069

X5 X6

58,7923 60,3709 50,9545 48,9000

49,4878 38,3000

63,799 68,900

21,2 134,3

4,6001 -1,01855 -0,01191 11,5889 0,71283 -1,06251

X7 X8

33,5455 29,0000 0,0755 0,0300

12,0000 0,0100

61,000 0,230

377,7 0,01

19,4338 0,0745

X9 X10

63,8596 70,3769 35,6830 119,1229 100,6030 0,0165

86,449 253,920

255,5 6691,4

15,9845 -0,57873 -0,67845 81,8009 0,26976 -1,02339

X11

64,8182 60,9000

47,2000

92,500

234,0

15,2983

X12

159,1909 97,6000

36,7000

606,500

2,20674 5,46068 0,62537 -0,58178

0,38514 -1,68578 1,08167 -0,00500

0,48133 -0,85872

27094,0 164,6024 2,41675

6,06244

V tab. 8 dosahuje nejvyšší střední hodnoty sub-indikátor HDP s hodnotou 565,7 a také nejvyššího mediánu, který má hodnotu 478,61. Naopak nejnižší hodnoty ve dvou zmíněných ukazatelích vykazuje indikátor počet lékařů na 1 000 obyvatel, který má nejnižší střední hodnotu 0,08 a nejnižší medián 0,03. Hodnoty rozptylu a směrodatné odchylky jsou nejvyšší u sub-indikátoru HDP, z čehož vyplývá, že hodnoty HDP jednotlivých zemí regionu mají nejvyšší variabilitu. Naopak nejnižší variabilitu 0,01 a směrodatnou odchylku 0,01 má indikátor počet lékařů na 1 000 obyvatel. Ukazatel šikmosti vykazuje u sub-indikátorů svoboda podnikání, naděje dožití při narození a zemědělská půda záporné zešikmení. Hodnoty zbývajících indikátorů mají naopak kladné zešikmení. Co se týká špičatosti, nejvyšší hodnota se vyskytuje u indikátoru emise CO2 6,1, druhou nejvyšší pozici zaujímá indikátor HDI, který nabývá hodnot 5,9. Na základě vypočítané variability byla posouzena vhodnost zvolených indikátorů. Nejvyšší variabilita a špičatost je u indikátoru HDP a CO2. Vysoká špičatost se projevila také u indikátoru přímé zahraniční investice, což může znamenat výskyt extrémních hodnot. Na základě grafu korelační matice (viz obr. 12) bylo u těchto

55

indikátorů zjištěno nesymetrické levostranné rozložení, proto byla zvolena logaritmická transformace (viz příloha 13, tab. 11). V praktické části budu dále pracovat s upravenými daty. Korelační tabulka (tab. 10) poukazuje na korelační závislost mezi jednotlivými indikátory. Párové korelační koeficienty, jejichž hodnota přesahuje 0,9, vyjadřují extrémně vysokou závislost. Nejvyšší závislost 0,91 je mezi indikátorem HDP a CO2. Vysoká závislost se projevuje mezi sub-indikátorem přístup k vodě a přístup k sanitárním zařízením, jejichž korelační koeficient je 0,86. I přestože jsou některé hodnoty v korelační matici zobrazeny červeně, neznamená to, že jsou na sobě silně závislé.

56

HDP na obyvatele

Přímé zahraniční investice, čistý příliv

Obchod se zbožím

Svoboda podnikání

Naděje dožití při narození

Dětská úmrtnost

Přístup k sanitárním zařízením

Doktoři/1000 obyvatel

Zemědělská půda

Produkce obilovin

Přístup k vodě

Emise CO2

Obr. 12 Graf korelační matice – původní data (zdroj: zdroj: WB, 2011a–h, IEF; 2011; IndexMundi, 2011; vlastní zpracování programem STATISTICA)

Tab. 10 Korelační tabulka (zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování programem STATISTICA) Proměnná X1

X1

X2

X3

X6

X7

X8

X9

X10

X11

X12

1,000000

0,475302

0,184458 -0,010606 0,307786

0,122440

0,226652

0,718807

-0,032633

-0,400650

0,312992

0,909566

X2

0,475302

1,000000

0,481408

0,191065 -0,006207 -0,005482 -0,282415 0,313737

-0,209343

0,249259

-0,209909

0,489300

X3

0,184458

0,481408

1,000000 -0,062276 -0,576661 0,151400 -0,287251 -0,107408

-0,348521

0,295503

-0,151294

0,359937

X4

-0,010606

0,191065 -0,062276 1,000000

0,120855 -0,128429 -0,014148 -0,151735

-0,340706

0,375845

-0,437623

-0,163047

X5

0,307786

-0,006207 -0,576661 0,120855

1,000000 -0,670902 -0,127404 0,338655

-0,142634

0,011139

-0,122494

0,196466

X6

0,122440

-0,005482 0,151400 -0,128429 -0,670902 1,000000

0,397916

X7

0,226652

-0,282415 -0,287251 -0,014148 -0,127404 0,397916

1,000000

0,224960

0,285290

-0,413965

0,351925

0,176203

0,157332

0,476590

-0,358611

0,857470

0,003034

X8

0,718807

0,313737 -0,107408 -0,151735 0,338655

0,224960

0,157332

1,000000

0,216914

-0,316280

0,342009

0,729789

X9

-0,032633

-0,209343 -0,348521 -0,340706 -0,142634 0,285290

0,476590

0,216914

1,000000

-0,576469

0,456460

-0,262721

X10

-0,400650

0,249259

0,011139 -0,413965 -0,358611 -0,316280

-0,576469

1,000000

-0,399722

-0,246265

X11

0,312992

-0,209909 -0,151294 -0,437623 -0,122494 0,351925

0,857470

0,342009

0,456460

-0,399722

1,000000

0,230374

X12

0,909566

0,489300

0,003034

0,729789

-0,262721

-0,246265

0,230374

1,000000

0,295503

X4

0,375845

X5

0,359937 -0,163047 0,196466

0,176203

58

V tab. 11 jsou vypočítány váhy prostřednictvím metody párového porovnání. Tuto metodu jsem použila, jelikož se v původních datech nevyskytly žádné chybějící hodnoty. Na základě subjektivního hodnocení jsem rozhodla, které indikátory jsou důležitější a které méně důležité. Ukazatele HDP a emise CO2 mají mezi sebou extrémně vysokou korelační závislost 0,904. Mezi přístupem k vodě a přístupem k sanitárním zařízením je vysoká závislost 0,86, stejně tak jako mezi HDP a lékaři na 1 000 obyvatel 0,82 a CO2 a lékaři na 1 000 obyvatel 0,76. Těmto ukazatelům bude dána poloviční váha 0,5. Ostatním ukazatelům bude přiřazena hodnota 1, pokud budu považovat ukazatel za závažnější než sloupcový, méně závažnému ukazateli přiřadím hodnotu 0. Tab. 11 Párové porovnání indikátorů (vlastní zpracování)

X1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12

X2 1

0 0 0 1 0 1 0,5 0 0 0 0,5

1 1 0 1 1 0 1 0 1 0

X3 1 0 1 0 0 0 0 1 1 1 0

X4 1 0 0 1 1 0 1 0 1 1 0

X5 0 1 1 0 1 1 0 0 0 1 0

X6 1 0 1 0 0 1 1 0 1 1 0

X7 0 0 1 1 0 0 0 0 0 0,5 0

X8 0,5 1 1 0 1 0 1 1 1 1 0,5

X9 1 0 0 1 1 1 1 0 0 1 0

X10 1 1 0 0 1 0 1 0 1 1 0

X11 1 0 0 0 0 0 0,5 0 0 0 0

X12 0,5 1 1 1 1 1 1 0,5 1 1 1

Váhy 0,1212 0,0606 0,0909 0,0758 0,0909 0,0758 0,1288 0,0455 0,0758 0,0758 0,1439 0,0152

Dále jsem vypočítala standardizované hodnoty metodou min-max (viz příloha 13, tab. 12). V následující tab. 12 jsem znormované hodnoty vynásobila subjektivně zvolenými vahami, poté provedla vážený součet a na základě výsledků jsem zvolila pořadí zemí. Na závěr jsem vyhodnotila pořadí jednotlivých zemí v rámci udržitelného rozvoje a jednotlivých rozvojových pilířů na základě výpočtu indikátorů a jejich indexů (viz tab. 13).

Tab. 12 Vážené normované hodnoty a jejich součet (zdroj: zdroj: zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování)

Země U1*w1 Burundi 0 Džibutsko 12,12 Eritrea 3,93 Etiopie 2,08 Keňa 8,15 Madagaskar 4,20 Malawi 2,64 Mozambik 4,96 Rwanda 5,70 Tanzanie 5,21 Uganda 4,51

U2*w2

U3*w3

U4*w4

U5*w5

U6*w6

U7*w7

U8*w8

U9*w9 U10*w10 U11*w11 U12*w12

Součet

Pořadí

0

0,40

2,40

2,32

0

9,99

0,41

7,58

0,98

8,64

1,52

34,23

11

5,00

2,80

1,90

7,19

0,40

12,88

4,55

5,63

0

14,39

0

66,85

1

2,81

2,96

0

7,76

7,58

0,53

0,83

5,89

1,30

4,13

0,99

38,71

8

3,21

0,39

6,35

8,11

5,03

2,37

0,21

0,00

5,93

0,57

1,11

35,34

10

2,30

5,39

5,68

6,91

4,73

4,47

2,69

1,87

2,88

4,35

0,37

49,79

5

4,84

2,11

5,39

9,09

6,61

0,53

3,10

5,30

6,52

0,29

0,99

48,96

6

3,32

6,94

3,12

2,96

4,88

10,78

0,21

3,51

7,58

11,60

1,07

58,60

3

6,06

9,09

5,79

0

0,42

1,84

0,41

4,05

3,56

0

0,86

37,05

9

2,94

0,00

7,58

8,53

6,96

12,88

0,21

6,29

2,29

6,90

1,29

61,57

2

4,15

5,89

3,59

6,73

7,33

0

0

0,96

5,05

1,94

0,75

41,59

7

4,33

2,31

4,14

5,42

4,95

6,05

2,27

5,18

3,00

8,77

0,91

51,83

4

Tab. 13 Indikátor a index udržitelného rozvoje, ekonomického, sociálního a environmentálního pilíře (zdroj: zdroj: zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování)

Pořadí 1 2 3 4 5 6 7 8 9 10 11

Udržitelný Stát Indikátor Džibutsko 66,9 Rwanda 61,6 Malawi 58,6 Uganda 51,8 Keňa 49,8 Madagaskar 49,0 Tanzanie 41,6 Eritrea 38,7 Mozambik 37,1 Etiopie 35,3 Burundi 34,2

Ekonomický Index Stát Indikátor 140,2 Mozambik 25,8 129,1 Džibutsko 22,2 122,9 Keňa 21,7 108,7 Tanzanie 19,1 104,4 Madagaskar 17,2 102,7 Rwanda 17,1 87,2 Malawi 16,2 81,2 Uganda 15,9 77,7 Etiopie 13,0 74,1 Eritrea 10,3 71,8 Burundi 3,8

Index 155,4 134,0 131,0 115,0 104,0 103,3 97,7 96,2 78,3 62,2 23,0

61

Sociální Stát Indikátor Rwanda 28,5 Džibutsko 24,2 Malawi 18,8 Madagaskar 18,8 Keňa 18,3 Uganda 18,3 Eritrea 16,5 Etiopie 15,7 Tanzanie 14,1 Burundi 12,6 Mozambik 2,6

Environmentální Index Stát Indikátor 166,7 Malawi 23,8 141,2 Džibutsko 20,0 109,7 Burundi 18,7 109,5 Uganda 17,9 106,9 Rwanda 16,8 106,7 Madagaskar 13,1 96,6 Eritrea 12,3 91,5 Keňa 9,5 82,1 Tanzanie 8,7 73,9 Mozambik 8,5 15,2 Etiopie 7,6

Index 166,7 140,5 131,3 125,3 117,7 91,9 86,4 66,5 61,0 59,4 53,4

3.4

Vyhodnocení kompozitního indikátoru

Vizualizace výsledků je provedena pomocí ikonových grafů a map. Následně je vyhodnocen ekonomický, sociální, environmentální pilíř a udržitelný rozvoj. Zhodnocení proběhlo na základě vybraných indikátorů a jejich analýzy. Ekonomický pilíř V ekonomickém pilíři je vyhodnocena situace na základě ukazatelů: HDP, přímé zahraniční investice, obchod se zbožím a svoboda podnikání. Z obr. 12 lze vyvodit, že ekonomická situace je v zemích východní Afriky nejlepší v Mozambiku, Džibutsku a Keňi. Naopak nejhorší situace je v Etiopii a Burundi.

Burundi

Džibutsko

Eritrea

Etiopie

Keňa

Madagaskar

Malawi

Mozambik

Rwanda

Tanzanie

Uganda

Pravotočivě: HDP Přímé zahraniční investice Obchod se zbožím Svoboda podnikání

Obr. 13 Graf jednotlivých indikátorů po transformaci (zdroj: zdroj: zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování programem STATISTICA)

62

Vybrané státy regionu východní Afriky jsou rozděleny do pěti kategorií podle příznivosti k ekonomickému, sociálnímu, environmentálnímu a udržitelnému rozvoji. Jednotlivými kategoriemi jsou: příznivý, spíše příznivý, průměrný, spíše nepříznivý, nepříznivý.

Obr. 14 Ekonomický pilíř (zdroj: vlastní zpracování)

Na obr. 7 jsou analyzované země rozdělené podle již zmíněných kategorií v rámci ekonomického pilíře. V kategorii příznivý se umístil Mozambik a Džibutsko. V Mozambiku je politické a ekonomické prostředí od ukončení občanské války v roce 1992 stabilní. V zemi probíhá dynamický ekonomický vývoj a růst HDP na 63

obyvatele. Ekonomika se opírá především o těžbu uhlí a zemního plynu, výrobu a vývoz hliníku. Mozambik má po JAR jako druhý největší zásoby uhlí, které přitahují mezinárodní těžařské společnosti. Uhlí se podařilo zemi exportovat až v roce 2011. Exportuje značné množství zemědělských plodin, naopak importuje potraviny z důvodu nerozvinutého zpracovatelského průmyslu. Od roku 2000 je podporován příliv zahraničních investic, který je zaměřený na těžbu uhlí a zemního plynu, zpracovatelský průmysl a energetiku. Země je díky těmto sektorům atraktivní pro významné zahraniční investory, jako jsou např. USA, které investují a vkládají do mosambické ekonomiky značné finanční prostředky. Džibutsku se stále nedaří naplnit ekonomické reformy požadované MMF, přesto má značně vysoký růst HDP. Ekonomika státu je založena na službách, průmysl a zemědělství nejsou tolik rozvinuté. Hlavním zdrojem financí je zahraniční obchod a francouzská vojenská základna. Stát má strategickou polohou ekonomický a politický význam. Ekonomika využívá tranzitních dodávek přes džibutský přístav do vnitrozemí. Přístav je využíván především pro zahraniční obchod. Džibutsko má funkci dopravního uzlu a překladiště lodí. Většina zahraničních investorů vkládá své finanční prostředky do opravy nebo výstavby dopravní infrastruktury. Jedním z hlavních investorů Džibutska je Kuvajt. Skupinu spíše příznivý obsadily země Keňa a Tanzanie. Keňskou ekonomiku zasáhlo v roce 2008 povolební násilí. Než se však ekonomika země stačila stabilizovat, důsledkem celosvětové ekonomické krize došlo k růstu cen hnojiv, potravin a dalších komodit. Keňská vláda přijala potřebná opatření pro zmírnění dopadů na obyvatelstvo. Po těchto opatřeních se začala ekonomiky Keni hospodářsky zotavovat. V roce 2011 došlo ke krizi EU, zvyšování deficitu fiskálního a běžného účtu a nadměrnému suchému období, především na severu a východě země. I přes tyto negativní faktory dosáhla země růstu HDP. Moderní ústava přijata v roce 2010 podporuje investiční klima. Zahraniční investice jsou zaměřeny na elektrickou a energetickou infrastrukturu, ropné a tabákové výrobky, farmacii, automobily, rostlinné tuky, apod. Stále je zde vysoké riziko pro zahraniční

64

investory – rozsáhlá korupce. Významnou roli má Východoafrické společenství v rámci regionálního obchodu. Tanzanie v posledních letech vykazuje poměrně stabilní ekonomický růst. Vláda pro udržení této pozice podporuje soukromý sektor a zahraniční investice a prosazuje zefektivnění veřejné správy. Perspektivním sektorem pro zahraniční investory jsou důlní a zpracovatelský průmysl, turistika, služby a infrastruktura, která může být svým poškozením a nespolehlivostí dopravních komunikací rizikem. V rámci zahraničního obchodu Tanzanie obchoduje především se zeměmi EU, s Japonskem a sousední zemí Keňou v rámci Východoafrického společenství. Exportovanými komoditami je např. tabák, čaj, káva a bavlna. Importovány jsou dopravní prostředky, polotovary a spotřební zboží, jelikož tato odvětví nejsou v zemi velmi rozvinutá. Madagaskar, Rwanda a Malawi zastupují skupinu průměrný. Zdrojem příjmů Madagaskaru, jako jedné z nejchudších zemí světa, je zahraniční pomoc. V roce 2002, po hospodářském poklesu, země implementovala ekonomické reformy, které pomohly ekonomickému růstu země. Reformy se zaměřovaly na privatizaci, státní správu, zvýšení daňových příjmů a redukci chudoby. Růst cen elektrické energie a paliv mají za důsledek růst výrobních a dopravních nákladů a snížení disponibilních příjmů spotřebitelů. Zahraniční investice jsou pro Madagaskar velmi důležité, proto v rámci smluv a zákonů ulehčuje vstup investorů do země. Na svou poměrně velkou rozlohu má Madagaskar nepatrná naleziště nerostných surovin. Výroba elektrické energie je také poměrně nízká. Jako ostrovní stát je zaměřený na rybolov, dále je orientován převážně na zemědělství a vývoz zemědělských komodit. Rwanda je podobně jako Madagaskar závislá na zahraniční pomoci. Rwanda se dokázala vypořádat s důsledky občanské války a genocidy, kdy celková situace v zemi nebyla příznivá. Po několika letech se v zemi zlepšila jak ekonomická, tak sociální situace. I přes značný hospodářský a ekonomický růst Rwanda stále zůstává jednou z nejchudších zemí závislých na rozvojové pomoci. Vláda

65

podporuje liberalizaci obchodu a soukromý sektor za účelem modernizace hospodářství. Naplnění tohoto cíle vyžaduje legislativní a politická opatření. Otevření se zahraničím investorům vyžadovalo liberalizaci dovozních podmínek, kdy se až na výjimky zrušily dovozní licence (př. položky vztahující se k bezpečnosti, zdravotnictví, apod.) Malawi se řadí mezi nejméně rozvinuté země, je závislé na zahraniční pomoci. Hospodářství má převážně zemědělský charakter. Stejně jako ostatní země ve skupině průměrný je Malawi závislé na rozvojové pomoci, kde hlavními poskytovateli jsou WB, MMF a EU a jednotlivé členské státy. V roce 2011 došlo k přerušení finanční pomoci, po změně prezidenta v následujícím roce byla pomoc z části obnovena. Překážkami ekonomického rozvoje země je korupce a nedostatečná kvalita infrastruktury. Země se zaměřuje na vývoz zemědělských komodit, které podléhají externím vlivům. Ceny produktů jsou závislé na regulaci světových trhů, které Malawi samo neovlivňuje. Prostřednictvím reforem se vláda zaměřuje na soukromý sektor. Otevírá své hranice investorům, domácím i zahraničním. Zahraniční obchod je orientován na průmyslové výrobky, pohonné hmoty a hnojiva, k poklesu zahraničního obchodu dochází u tabáku. Partnery jsou státy jižní a východní Afriky. Skupinu spíše nepříznivý tvoří Uganda a Etiopie. Uganda v roce 2011 zažívala růst HDP, avšak tento růst byl zpomalen vysokou inflací. V rámci hospodářství se vláda snaží rozvíjet soukromý sektor a přilákat zahraniční investory. Protesty proti vládě byly vyvolány na základě kritiky vlády nezvládnutí hospodářské politiky, která měla za důsledek vysoké životní náklady a korupci. Významným zdrojem pro růst země je export kávy, sektor služeb a remitence. Uganda má nová naleziště ropy a zemního plynu, která přitahují nové zahraniční investory. Etiopie je závislá na zahraniční pomoci. V roce 2011 však zaznamenala stabilní, ale nízký, růst HDP. Soukromý sektor není moc rozvinutý, proto je růst ekonomiky veden převážně státní politikou. Vláda investuje do výstavby silnic a průmyslu k podpoře růstu, který je však ovlivněn vysokou mírou inflace. Etiopie je složitým

66

prostředím pro zahraniční investory a podnikatele. Překážkami může být korupce, složitý přístup k financování, apod. Nejhorší postavení v ekonomickém pilíři zaujímá Eritrea a Burundi, které je řazeny do skupiny nepříznivý. Důsledku války s Etiopií a extrémní sucha měly dopady na Eritreu a její ekonomiku. Válkou přišla o příjmy z přístavu Massawa, Assab a jeho rafinérií. Nepříznivý dopad na ekonomiku má uzavření trhu Etiopie pro eritrejské produkty (70 % exportu) a izolovaná politika státu. OSN přispívá k omezenému růstu ekonomiky udělením sankcí. Země se potýká s korupcí a další řadou problémů, jako je nedostatek kapitálu a zahraničních investic, které zpomalují ekonomický růst. Obchodní transakce jsou limitovány politickou a bezpečností situací země. Burundi je agrární země, kde se na tvorbě HDP nejvíce podílí zemědělství. V posledních letech docházelo k poklesu HDP. Ekonomická situace je ovlivňována cenami zemědělských plodin, kdy se jedná především o kávu a čaj. Málo rozvinutým průmyslem je zpracovatelský, proto se většina zboží musí dovážet. Dlouholetá občanská válka poznamenala hospodářství, po jejím ukončení se země stala atraktivnější pro investory ve všech odvětvích. Sociální pilíř Sociální pilíř určil pořadí zemí jinak, než v pilíři ekonomickém. Na základě indikátoru naděje dožití při narození, dětská úmrtnost, přístup k sanitárnímu zařízení a lékaři na 1 000 obyvatel bylo analýzou zjištěno, že nejpříznivější sociální situace v rámci udržitelného rozvoje je v zemi Rwanda a Džibutsko. Naopak nejhorší situace převládá v zemi Burundi a Mozambik.

67

Burundi

Džibutsko

Eritrea

Etiopie

Keňa

Madagaskar

Malawi

Mozambik

Rwanda

Tanzanie

Uganda

Pravotočivě: Naděje dožití při narození Dětská úm rtnost Přístup k sanitárním zařízením Lékaři/1000 obyvatel

Obr. 15 Graf jednotlivých indikátorů sociálního pilíře (zdroj: vlastní zpracování programem STATISTICA)

68

Obr. 16 Sociální pilíř (zdroj: vlastní zpracování)

Rwanda v sociálním pilíři zaujímá první místo a Džibutsko místo druhé, země jsou tedy zařazeny do skupiny příznivý. Sociální situace země úzce souvisí s ekonomikou. Rwanda je spojována s genocidou z roku 1994, kdy došlo ke ztrátě mnoha životů. Lidé se stali uprchlíky nebo vnitřně vysídlenými osobami. Tato válka měla zničující sociální a hospodářský dopad na zemi. Došlo ke změně v demografické struktuře. Ženy a sirotci vedou sami domácnosti a jsou ohroženi chudobou. Rwanda po válce učinila velké kroky v oblasti sociálního zabezpečení. Ve skutečnosti je příkladem země s rychlým ekonomickým růstem a úspěšné poválečné rekonstrukce. Vláda implementovala sociálně-ekonomické reformy.

69

I přestože je v zemi zaznamenán značný pokrok v ekonomické a sociální sféře, stále je zde vysoké procento populace s nedostatečným přístupem k základním sanitárním zařízením, ke kvalitní zdravotní péči. Následkem je nízká naděje dožití a stále vysoké číslo dětské úmrtnosti. Džibutsko má strategické umístění a vládne zde relativní mír a stabilita. Příčinou sociálních problémů jsou přistěhovalci ze zemí regionu. Přistěhovalci zatěžují sociální služby a ekonomické zabezpečení. Sociálními problémy je např. nízká naděje na dožití, vysoká dětská úmrtnost. Počet lékařů v zemi není závratný. Jelikož je ekonomická situace státu stabilní, dává vláda finanční prostředky do zdravotnických zařízení pro zlepšení zdravotní péče. Nezbytnými pro kvalitní zdravotní úroveň je i zajištění nezbytných sanitárních zařízení. Všechny tyto ukazatele korelují s chudobou. Ve skupině spíše příznivý reprezentuje Malawi a Madagaskar. Malawi zažívá populační růst, v důsledku toho je potřeba zvýšit přístup k sanitárním opatřením, zlepšit hygienické podmínky a dostatečný přístup ke zdravotnickým zařízením. Malawi učinila významný pokrok ve zlepšení přístupu k hygienickým zařízením, avšak situace se nějak významně nemění. Výskyt nemocí je stále vysoký a s tím spojená dětská úmrtnost. Většina zdravotnické péče je poskytována vládou. Zdravotní péče se uskutečňuje v několika stupních, kde je nejčastější poskytování primární péče. Madagaskar po roce 2002 implementoval ekonomické reformy, které pomohly ekonomickému růstu země a redukci chudoby. Země se stejně jako v ekonomickém pilíři řadí do skupiny průměrný. Existují zde snahy vlády redukovat chudobu, tedy snížit dětskou úmrtnost, zajistit dostatečné vzdělání a především poskytnout dostatečné a vhodné sanitární zařízení co nejvyššímu procentu obyvatelstva. Nedostatečný přístup k těmto zařízením způsobuje různá onemocnění, kde je potřebný zásah lékařů a fungující zdravotnický systém. Keňa, Uganda a Eritrea zastupují skupinu průměrný. Keňa přes trvalý růst ekonomiky čelí chudobě. Nejzranitelnější jsou rodiny a děti žijící v městských 70

slumech ve vyprahlých zemích severní Keni a v oblastech postižených virem HIV. Jedná se o oblasti s vysokou dětskou úmrtností. Přístup k hygienickým zařízením je značně omezen. Keňská vláda se zaměřuje na sekundární zdravotnický sektor, jelikož v rámci primárního sektoru nedošlo ke zlepšení zdravotní úrovně. Vláda se zaměřuje na zlepšení kanalizace v několika okresech země, které byly vybrány na základě nízkého přístupu k hygienickým zařízením a nízkých investic. Uganda učinila v posledních letech pokrok ve snižování chudoby, kdy se podařilo snížit chudobu v městských oblastech. Celkový počet lidí žijících v chudobě se rapidně nezměnil v důsledku populačního růstu. Jednou z klíčových oblastí v boji s chudobou je přístup obyvatel ke kanalizaci. Pokud lidé mají dostatečný přístup k hygieně, snižuje se výskyt nemocí, počet úmrtí, apod. V Ugandě je 0,12 lékařů na 1 000 obyvatel, což není tak závratné číslo. Okresy nemají dostatek nemocnic a lékařů. Pokud jsou zdravotnická zařízení dostupná, v mnoha případech musí obyvatelé platit za lékařskou péči, na kterou nemají dostatek finančních prostředků. Eritrea je nejmladším nezávislým státem. V minulosti byla zasažena válkou a stále se vyrovnává se socio-ekonomickými problémy. I když se po válce přístup ke zdravotnickým zařízením zlepšil, stále není tento sektor dostatečně vyvinutý. Úsilí snížit dětskou úmrtnost a zvýšit naději na dožití bude trvat ještě několik let. Zdravotnické a sociální zdroje jsou obecně považovány za chudé, často je obtížné získat informace o podmínkách a situaci těchto zdrojů. Skupinu spíše nepříznivý obsadily země Etiopie a Tanzanie. Etiopské obyvatelstvo má také nízký přístup ke kanalizaci a sanitárním zařízením. Rozvojová pomoc a financování pomáhají zlepšit podmínky země. Faktory, které brání zlepšit situaci je nedostatek vody, nedostatečná návratnost nákladů na obsluhu zařízení a údržbu a politika. Vláda přijala opatření a strategii, kdy rozhodování by mělo být více decentralizované a zapojit tak zúčastněné strany, včetně soukromého sektoru. I když se dárci zavázali investovat značné finanční prostředky pro vybudování a údržbu sanitárních zařízení, stále je zlepšení situace pro zemi výzvou.

71

Tanzanie je charakterizována klesajícím přístupem ke kvalitní formě kanalizace, přerušovanými dodávkami vody a poskytováním nízké kvality služeb. Země není schopna pokrýt veškeré provozní náklady a údržbu prostřednictvím nízkých příjmů. Jsou zde regionální rozdíly. Vláda se snaží tuto oblast reformovat. Rozhodování a pravomoci jsou decentralizované, kde sanitární služby poskytují místní správní orgány. Přes veškeré snahy zůstávají regiony závislé na finančních prostředcích od dárců. Lidské zdroje ve zdravotnictví jsou omezené, proto vláda podporuje vzdělávání odborníků a dalších pracovníků v sektoru zdravotnictví. Nejhorší postavení má Burundi a Mozambik, které jsou ve skupině nepříznivý. Socio-ekonomickou situaci Burundi ovlivnilo dlouhé období bojů. Po válce se vrátilo mnoho uprchlíků, kteří zatížili nedostatečné sociální služby, jelikož Burundi je rozlohou malá země s vysokým počtem obyvatel.

Většina lidi žijících ve

venkovských oblastech nemá přístup k nezávadné vodě a zdravotnickým službám. Systém zdravotní péče byl zničen během bojů. Naděje dožití se snížila, zvýšil se počet výskytu nemocí a s tím spojená úmrtí. Zdraví je důležité pro hospodářský rozvoj. Za základní zdravotní péči se platí, ale obyvatelé nemají finanční prostředky. Navzdory ekonomickému oživení, stabilitě a růstu HDP na obyvatele, se Mozambiku nedaří snížit chudobu. V Mozambiku proběhla také občanská válka, která přispěla ke zvýšení chudoby, především ve venkovských oblastech. Životní podmínky jsou v kritickém stavu. Přístup k sanitárním opatřením má velmi nízké procento obyvatel, tedy je zde vysoký výskyt nemocí a vysoká úmrtnost. Vláda spolupracuje se soukromým sektorem na zlepšení celkové situace země v oblasti chudoby a přístupu k základním lidským potřebám. Environmentální pilíř Environmentální pilíř je zhodnocen v rámci indikátoru: zemědělská půda, produkce obilovin, přístup k vodě a emise CO2. Nejvíce příznivý k udržitelnému rozvoji je Malawi a Džibutsko a na třetím místě Burundi, které bylo

72

v ekonomickém a sociálním pilíři vyhodnoceno jako nejméně příznivé. Mozambik a Tanzanie jsou nejméně příznivými v rámci environmentálního pilíře.

Burundi

Džibutsko

Eritrea

Etiopie

Keňa

Madagaskar

Malawi

Mozambik

Rwanda

Tanzanie

Uganda

Pravotočivě: Zemědělská půda Produkce obilovin Přístup k vodě Emise CO2

Obr. 17 Graf jednotlivých indikátorů environmentálního pilíře (zdroj: vlastní zpracování programem STATISTICA)

73

Obr. 18 Environmentální pilíř (zdroj: vlastní zpracování)

Na obr. 18 je zobrazeno ve skupině příznivý Malawi a Džibutsko. Navzdory dostupnosti lepších technologií je snížena úrodnost půdy a nedostatek vody v zemi ovlivňuje zemědělskou produktivitu – ochuzení půd o živiny, omezené používání hnojiv. Nízká produktivita má za důsledek nízké výnosy. Použití lepších odrůd spolu s hnojivy, lepší pěstování rostlin a zavlažování má potenciál zlepšit výnosy. Malawi je pokryto z velké části pokryto vodovody. V roce 2011 mělo přístup k vodě 83,7 % obyvatel. Efektivní zajištění vody je ohroženo častými haváriemi vodních uzlů, kdy dochází k nedostupnosti k pitné vodě. Mnoho lidí žije ve venkovských oblastech, kde je extrémní sucho a nedostatečná vybavenost vodovody, kdy většina 74

lidí nemá přístup k čisté nezávadné vodě. Spolehlivé dodávky nezávadné vody a přístup k vodě je nezbytný pro zemědělskou produkci, dodávky jídla a celkový růst země. Za posledních deset let se Džibutsko zotavuje z vnitřního konfliktu v roce 2001. Občanské nepokoje způsobily značný nárůst výskytu chudoby na venkově, což mělo za následek ztráty na životech, ztrátu dobytka, sociální a ekonomické problémy a migraci zemědělců a pastevců. Během tohoto období bylo venkovské obyvatelstvo často závislé téměř výhradně na nouzové potravinové pomoci. Džibutsko čelí nedostatku orné půdy a omezeným možnostem uvádění zemědělských produktů. Vzhledem k nedostatku dešťových srážek nastávají období sucha, kdy se prohlubuje závislost na potravinové pomoci. Skupinu spíše příznivý tvoří Burundi a Uganda. Burundi se potýkalo s dlouhodobými boji, které narušily zemědělství jako hlavní zdroj obživy. Země byla tradičně soběstačná v produkci potravin, ale od posledního konfliktu a kvůli opakujícímu se období sucha musí země spoléhat na dovoz potravin a mezinárodní potravinovou pomoc v některých regionech. Období sucha snižuje produktivitu půdy, kde nejvíce postiženými oblastmi je sever a východ. Domácnosti žijí v trvalém riziku nedostatku potravin a špatných nutričních podmínkách. Burundi jako vnitrozemský stát má relativně bohaté vodní zdroje. Poptávka po pitné vodě není uspokojena kvůli špatné kvalitě řízení vodních zdrojů. Domácnosti jsou nuceny si opatřit vodu v řekách, jezerech nebo mělkých studních. Uganda má poměrně vysoké procento úrodné půdy, pravidelné vodní srážky, soustavu vodních toků a dvě velká africká jezera – Viktoriino a Albertovo. Většina venkovských obyvatel nemá dostatek potravin, kdy problémem je změna klimatu a množství srážek. Uganda je jedna z nejzranitelnějších zemí světa vůči změně klimatu. Měnící se klima, období sucha, záplav a variabilní cykly srážek mají dopad na vodu a další přírodní zdroje, zemědělskou výrobu a životní úroveň na venkově. Městské

oblasti

jsou

pokryté

vodovody,

kde

proběhla

komercializace

a modernizace vodovodů za státní podpory a podpory soukromého sektoru.

75

Reformy přilákaly mezinárodní pozornost. Stále však 74,8 % obyvatel nemá přístup k vodě. Skupinu průměrný obsadily země Rwanda, Madagaskar a Eritrea. Ekonomika Rwandy, stejně jako ostatní africké země, je založena na zemědělství. Klimatické změny v kombinaci s nedostatkem moderních technologií vytváří překážky pro rozvoj zemědělství. Zemědělská produkce venkovského obyvatelstva je založena na rodinných farmách. Obdělávaná plocha je z převážné většiny osázena potravinovými plodinami, které jsou ze ⅔ určeny pro lidskou spotřebu. Vládní politikou byla podpora partnerství veřejného a soukromého sektoru. Vodovody jsou udržovány za podpory vlády a dárců. Zemědělství na Madagaskaru není velmi příznivé. Produkce není dostačující pro uživení rodin. Situace se zhoršila s růstem počtu obyvatel. Přístup k pitné vodě má 48,1 % obyvatelstva. Na jih země se lidé potýkají s vážnými problémy nedostatku vody. Vody jsou často kontaminovány viry nebo bakteriemi a konzumace této vody vede k nemocem. Eritreu postihla extrémní sucha, která ohrožovala více než ⅓ populace. V posledních deseti letech klesla rostlinná výroba.

Eritrejské zemědělství je

zaostalé, není k dispozici moderní zařízení, zemědělské techniky a vysoký nedostatek srážek. Přístup k čisté pitné vodě v Eritreji dosáhl v roce 2011 60,2 %. Vzhledem k tomu, v aridních a semi-pouštních oblastech je stále nedostatek vody. Většina vodních zdrojů je podzemních. Přístup k vodě se v budoucnu může zlepšit vystavováním mikropřehrad. Ve skupině spíše nepříznivý je Keňa a Tanzanie. Venkovské domácnosti v Keni spoléhají na zemědělství, které je pro většinu z nich příjmem. Závisí na drobném zemědělství, které převládá v centrálních a západních oblastech. Země byla postižena opakujícími se suchy, důsledkem byla nízká úroda a produkce zemědělských plodin. Zásobování vodou se vyznačuje nízkou úrovní přístupu v městských slumech a ve venkovských oblastech, kde dochází k přerušování dodávek vody. Sezónní a regionální nedostatek vody zhoršuje dosažení cíle zlepšit 76

zásobování vodou. Kromě toho, Keňa zažila období sucha a záplav, které měly vliv na velký počet obyvatel. Poslední velké sucho bylo od roku 2007 do konce roku 2009, které mělo dopad na všechny sektory ekonomiky. Zemědělství Tanzanie je závislé na malých soběstačných zemědělcích. Značné procento zemědělské půdy není využito k pěstování zemědělských plodin a obilovin. Zásobování vodou je v Tanzanii charakterizována klesajícím přístupem k vodním zdrojům, přerušovanými dodávkami vody a nízkou kvalitou služeb. Vláda nemá mnoho finančních prostředků, kterými by byli schopni pokrýt provozní náklady a náklady na údržbu. Vláda decentralizovala svoji odpovědnost, kterou předala místním orgánům správy. Tanzanie zůstává silně závislá na poskytování dodávek vody od externích dárců a dárcovských organizací. Skupinu nepříznivý tvoří Mozambik a Etiopie. V Mozambiku je nízká zemědělská produktivita výsledkem nedostatku vhodných technologií. Trhy jsou nespolehlivé a nekonkurenční pro drobné zemědělce, kteří jsou závislí na tradičních zemědělských metodách a manuálních technikách pěstování. Centrální a severní provincie mají větší zemědělský potenciál, úrodnější půdu a hojnější srážky než ostatní části země. Jižní provincie je sušší, půda je chudší a vyskytují se zde více období sucha a povodní. Tyto oblasti jsou jedny z nejchudších na světě. Zásobování vodou má nízkou úroveň a přístup k vodě je nejnižší ze všech vybraných zemí východní Afriky. Vláda se zaměřovala na zásobování vodou ve venkovských oblastech, městské části zásobují poskytovatelé malých firem. Někteří investoři dokonce od poskytování zásobování vodou odstoupili, poté se situace v zemi zhoršila. V Etiopii dominuje zemědělství vyznačující se nízkou produktivitou. Většina zemědělců jsou drobní rolníci. Tito zemědělci nejsou odolní vůči vnějším šokům, jakou jsou globální trhy a přírodní katastrofy. Většina z nich pěstuje na pozemku velkém 1 ha, kde vyprodukují jídlo sotva pro svoji domácnost. Velký počet lidí trpí hlady v období před sklizní. Pastevci odolávají, stejně jako zemědělci, stále častějším suchům, která můžou vyhladit dobytek, a může dojít k extrémní chudobě.

77

Přetrvávající nedostatek srážek je hlavním faktorem chudoby na venkově. Sucho je závažným problémem po celém světě v posledním desetiletí. Nejvíce postižené jsou venkovské oblasti, kde chybí základní sociální a ekonomická infrastruktura, zdravotnická a vzdělávací centra a přístup k nezávadné pitné vodě. Dalšími příčinami chudoby je neefektivní zemědělský marketingový systém, nedostatečně vyvinuté výrobní technologie a degradace životního prostředí. Udržitelný rozvoj Výsledky vybraných zemí regionu východní Afriky podle udržitelného rozvoje a jednotlivých pilířů jsou zobrazeny na ikonovém grafu, který je uveden níže (viz obr. 19). V rámci udržitelného rozvoje se na prvním místě umístilo Džibutsko, dále Rwanda, Malawi a Uganda. Nejhůře je na tom Eritrea, Mozambik, Etiopie a Burundi. Burundi se kromě environmentálního pilíře umístilo v rámci ekonomického, sociálního pilíře a udržitelného rozvoje na posledním místě, tedy situace v této zemi není příliš příznivá. Naopak Džibutsko si ve všech pilířích a udržitelném rozvoji drží vysokou pozici.

78

Džibutsko

Rwanda

Malawi

Uganda

Keňa

Madagaskar

Tanzanie

Eritrea

Mozambik

Etiopie

Burundi

Zleva doprava: Udržitelný Ekoomický Sociální Environmentální

Obr. 19 Graf kompozitního indikátoru udržitelného rozvoje a indikátorů jednotlivých pilířů států východní Afriky (zdroj: vlastní zpracování)

Analýza zemí v rámci udržitelného rozvoje, které zahrnuje výše popsaný ekonomický, sociální a environmentální pilíř, je následující: skupinu příznivý zastupuje Džibutsko a Rwanda. Ve skupině spíše příznivý je Malawi a Uganda. Keňa, Madagaskar a Tanzanie tvoří skupinu průměrný. Spíše nepříznivý jsou země Eritrea a Mozambik. Skupinu nepříznivý, tvoří země Etiopie a Burundi.

79

Obr. 20 Udržitelný pilíř (zdroj: vlastní zpracování)

80

4 Návrhová část Země východní Afriky se snaží naplnit Rozvojové cíle tisíciletí (Millenium Development Goals – MDG´s). Chudoba je spojena s hmotnou nouzí, nedostatkem potravin, nezávadnou pitnou vodou, nedostatečným přístupem k základní zdravotní péči, vzděláním, apod. Důsledkem chudoby jsou podvýživa, chronický hlad, nedostatečná imunita, náchylnost k nemocem, vysoká dětská úmrtnost a nízká naděje dožití. Chudoba představuje jeden z nejobtížněji řešitelných problémů z hlediska sociální politiky. Návrhová část je zaměřena na problematiku nedostupnosti pitné vody, sanitace a zemědělství a produkce oblovin. S nedostatkem a nedostupností k nezávadné pitné vodě a sanitárním zařízením úzce souvisí naděje na dožití, dětská úmrtnost a zemědělská produkce, které jsou analyzovány v rámci udržitelného rozvoje.

4.1

Přístup k nezávadné vodě

Afrika je bohatá země s množstvím přírodních zdrojů, ale také má největší počet lidí, kteří nemají přístup k bezpečné a pitné vodě. Voda je nezbytná pro lidský život a rozvoj země. Afrika má vodní přírodní zdroje, které jsou nerovnoměrně rozložené. V pouštních oblastech, např. v Etiopii a okolních zemích, většina lidí a zvířat sdílí stejné vodní zdroje. Nedostatek dostupné a čisté vody negativně ovlivňuje vývoj dané komunity několika způsoby. Lidé chodí pro vodu až několik kilometrů, kdy se zapojuje celá rodině včetně dětí. Množství vody, které donesou do svých domovů sotva stačí na pití a vaření. Nejčastěji získávají vodu z povrchových zdrojů, jako jsou rybníky, řeky, potoky a jezera. Vodní zdroje jsou kontaminovány z důvodu jejich použití jak lidmi, tak zvířaty a způsobují výskyt nemocí. Choroby přenášené vodou způsobují většinu nemocí a úmrtí. Jedná se o onemocnění, která vyplývají z kontaktu nebo spotřebě infikované vody, např. malárie, tyfus, cholera. Nejčastějším onemocněním je průjem. Nemoci se stávají hlavní příčinou absence školní docházky dětí a snižuje se tak schopnost vzdělávat

81

se. Země se nemůže rozvíjet, pokud se lidé nebudou vzdělávat, chodit do práce a získat tak finanční prostředky. Afrika má velké zásoby podzemní vody. V následujících letech se poptávka po pitné vodě zvýší vzhledem k předpokládanému růstu populace a spotřebě vody na zavlažování zemědělské půdy. Zemědělství Afriky je velmi neefektivní, jelikož se většina vody odpaří dřív, než se dostane do půdy ke kořínkům rostlin. Vody pro zemědělství by bylo relativně dostatečné množství, ale problém vyžaduje řešení speciálními závlahovými systémy. Naopak je nedostatek životně důležité pitné vody. Zásoby podzemních vod nejsou lehce přístupné. Ruční čerpadla získávají vodu z menší hloubky než vrty. Získat vodu z hlubších nalezišť je podstatně dražší, protože je potřeba energie a dokonalejší technika. Rozsáhlé vrty se však nedoporučují. Voda je potom nadměrně čerpána a spotřebována. Organizace adekvátně řešící problematiku nedostatku vody apelují na potřebu investic do rozvoje potenciálních vodních zdrojů, aby omezily utrpení trpících lidí, zajistili bezpečnost potravin a hospodářský růst. Mezi přístupem k nezávadné pitné vodě, hospodářským růstem a úrovní vzdělání existuje silná korelace. Důraz je kladen na dosažení cílů v rámci MDG´s. Existuje mnoho technologií, které mohou poskytnout dodávky vody a mnoho typů čerpadel, ale žádná technologie není vhodná pro každé životní prostředí. Tab. 14 Návrh zlepšení přístupu k pitné vodě (vlastní zpracování)

Spolupráce vlád a organizací v odvětví vodohospodářství. Účinnost vládních výdajů – monitoring. Privatizace – předání kompetencí soukromému sektoru. Posílení místních orgánů. Společné úsilí vlád, dárcovských agentur a NGO´s o investice a reformy. Udržitelné poskytování služeb. Strategické oblasti – podpora finanční a technologické inovace. Koherentní rozvoj a řízení vodních zdrojů – podpora dosažení cílů MDG´s. Podpora vodních technologií – technicky, sociálně, ekologicky a finančně přiměřené. Vzdělání/školení. Výkop studní. 82

Návrh Zlepšení zásobování vodou pro snížení chudoby jasně vyžaduje velký závazek ze stran vlád a investorů v odvětví vodohospodářství. Vlády většinou nemají dostatečné finanční prostředky. Doporučuji proto k privatizaci, kdy se do řešení problematiky

zapojují

společnosti

soukromého

sektoru

v poskytování

hospodářských služeb. Reforma vodního hospodářství, infrastruktury, investic a správy jsou považovány za podstatné aspekty snižování chudoby.

Přes

koncentrované mezinárodní úsilí, značné investice a rozsáhlé vzdělávací kampaně je přístup k nezávadné pitné vodě stále nízký. Afrika má k dispozici dostatečné vodní zdroje a s tím spojené náklady na čištění vody. Důsledkem je vztah nedostatku vody s chudobou. V místě s omezeným množstvím vody vzniká konkurence ohledně toho, kdo zdroj ovládá. Boj o vodu vede k finančním nákladům na distribuci, kdy je cena spojena s komoditou vody. Vzhledem k finanční náročnosti se do problematiky zapojuje politika. Vznikají spory o tom, kdo rozhoduje o distribuci vody. Voda se stala strategickou komoditou, která má politickou

hodnotu. Problém

nastává, pokud

se

zkorumpované vlády nestarají o potřeby lidí, ale vyhledávají potenciální zisk. Zde vystupují nadnárodní společnosti, které regulují určité zásoby vody v závislosti na zisku. Následkem je odříznutí lidí od zásob vodních zdrojů. Vlády, zdravotní specialisté, zapojené organizace a neziskové organizace (Non government organizations – NGO´s) a veřejnost řeší problematiku v krátké nebo střednědobé rovině. Existuje několik řešení, která pomohou snížit dopad nedostatku pitné vody. Jedním z možných doporučení řešení je vzdělávat lidi o negativních účincích znečištěné vody a co mohou udělat, aby dosáhli dezinfekce vody. Mnoho lidí třetího světa nemá povědomí o smrtících nemocech, které jsou důsledkem používání znečištěné vody. Pokud specialisté pomohou lidem, jak postupovat při získávání a úpravě vody, potom mohou jedinci předejít nemocem a komunita se

83

bude moci rozvíjet. Jedná se např. o těžbu, úpravu a skladování vody, tím předejít onemocněním a zkvalitnit život. Dalším způsobem, jak čistit vodu získanou z řek nebo jiných vodních zdrojů jsou filtry. Použití filtrů lze využívat jednotlivci nebo na úrovni komunity. Filtrace vody snižuje průjmová onemocnění. Pomocí filtrů může dojít ke zlepšení zdraví a změny přístupu lidí ve venkovských oblastech. Konstrukce pískových filtrů je jednoduchá a levná. Jedná se o typ udržitelné technologie, který je založena na biologickém účinku bez přidání chemických látek. Vyrábí se z recyklovaných materiálů a nevyžaduje použití elektřiny. Filtr se skládá z nádoby a potrubí, které je pokryto štěrkem a pískem. Voda protéká filtrem, tedy pískem, kde dochází k oddělování hrubých rozpuštěných frakcí z vody. Hydraulický tlak způsobí, že voda teče do výstupního potrubí. Jiný účinný způsob čištění vody je čištění varem. Var je jeden z nejjednodušších postupů pro výrobu pitné vody. Horká voda zabíjí organismy a choroboplodné zárodky, které nemohou přežít teplo, jako jsou parazité, bakterie a viry způsobující průjem. Ve vyšších nadmořských výškách by se měla voda vařit déle, jelikož začne vařit při nižší teplotě. Delší doba varu je nutná pro zabití bakterií. Potenciální problém pro některé lidi pomocí této metody je, že se při vaření používá dřevěné uhlí, které může být příliš drahé a vaření velkého množství vody je časově náročné. V suchých oblastech východní Afriky doporučuji kopání studní, které mohou poskytnout pitnou vodu. Je zde výhoda v dlouhodobějším využití studny jako zdroje pitné vody nejen pro jednotlivce, ale pro celou komunitu. NGO´s zasahují v rozvojových zemích jak z krátkodobého, tak dlouhodobého hlediska. Při vypuknutí humanitární krize zajišťují organizace dodávky vody ve formě lahví a barelů. Dodávky časem dojdou a lidé se musí vrátit k předchozím způsobům pití nebezpečné vody. Existuje proto řada projektů na vykopání studní, aby se lidé nemuseli uchylovat k původním praktikám. Organizace po realizaci projektu opustí komunitu, která i poté bude mít dlouhodobý rozvoj a přístup k vodě.

84

Studně jsou vhodným zdrojem pro poskytování pitné vody, ale zůstávají do značné míry ovlivněny lidskou kontaminací, proto by měly být vykopány dále od zdroje vody. Otázkou je, zda jsou vhodnější ruční čerpadla nebo vrty. Vrty dosahují větší hloubky, kde se získává více vody, ale o to více dochází k velkému plýtvání vody.

4.2

Sanitace a kanalizace

Vazby mezi nedostatečným přístupem k vodě a nedostatečným přístupem ke kanalizaci a sanitačním zařízením jsou součástí cílů MDG´s.

Kanalizace je

hygienický prostředek, který podporuje zdraví prostřednictvím prevence lidského kontaktu s nebezpečnými odpady, jejich zpracování a řádná likvidace splaškových odpadních vod. Hygienické služby může poskytnout mnoho technologií. V jednotlivých oblastech dochází ke spolupráci místních vlád a světových organizací jako např. Světová obchodní organizace (World Trade Organization – WHO) a Dětský fond Organizace spojených národů (United Nations Children’s Fund – UNICEF). Tab. 15 Návrh přístupu k sanitaci a kanalizaci (vlastní zpracování)

Oblast

Sanitační zařízení Sanitační normy Splachovací záchod Městská Připojení k potrubí kanalizačního systému Připojení na septik Slumy Blok latrín – generace bioplynu Suché WC (latríny) – kompostování Venkovská Toaleta Ventilated Improved Pit (VIP)

Návrh – městské oblasti Velkoměsta se potýkají s problémem nevyhovujícího způsobu likvidace odpadních vod. Vody jsou často bez jakéhokoli čištění vypouštěny do řek nebo otevřených rýh na povrchu terénu. Ve městech se obvykle nacházejí kombinované kanály spojené se stokami. Silné srážky a nedostatečná údržba mohou vést k přetečení kanálů,

85

z části i odpadních vod, které jsou vypouštěny do životního prostředí. S rychle rostoucím počtem obyvatel se rozšiřují i chudinské čtvrti. Vzhledem k husté koncentraci obyvatel je počet toalet naprosto nedostačující. Vhodným řešením je výstavba bloku latrín, který generuje bioplyn. Odpad je likvidován přímo na místě, není tedy zapotřebí zvláštní infrastruktury, která ve většině případů v chudinských čtvrtích chybí. Vzniklý bioplyn je využíván k vaření, který omezuje emise uhlíku a spotřebu jiných paliv. Po výstavbě a realizaci bloku latrín se předávají kompetence členům komunity, kteří se starají o údržbu. Návrh – venkovské oblasti Vhodné řešení pro zajištění sociálního zázemí pro jednotlivé domácnosti, komunitní centra, školy apod. je výstavba suchých WC. Pokud se dodrží zásady umístění, výstavby a bezpečné likvidace obsahu jímek, sníží se riziko šíření infekčních onemocnění. Pro rurální oblasti navrhuji výstavbu latrín. Obsah jímek může být po úpravě využit jako hnojivo (po smísení se zeminou, popelem, apod.). Výsledkem by mohlo být snížení nemocnosti a úmrtnosti obyvatel, ale také vyšší výnos zemědělských produktů. Při dodržování základních pravidel může mít tato technika ekonomický přínos pro

komunitu. Latríny mohou

mít

nejen

jednokomorovou, ale i dvoukomorovou jímku. Výhodou výstavby latrín je jejich nenáročnost na materiálové a technické vybavení. Při výstavbě je nutné brát ohled na propustnost podloží, pozice objektu ve vztahu k možnému využívanému zdroji vody (studny) a úroveň hladiny podzemní vody. Dalším návrhem jsou toalety VIP (Ventilated Improved Pit – VIP). Mezi hlavní obtíže, které odrazují použití jednoduchých odpadových jam, je zápach a mouchy. Ty jsou eliminovány prostřednictvím svislého odvětrávacího potrubí, které je napojeno na jámu. Vítr prochází přes horní část dveří do jámy a poté do odvzdušňovacího potrubí, kam se zápach dostává do atmosféry.

86

4.3

Zemědělství a produkce obilovin

Zemědělství je zdrojem živobytí milionů lidí v zemích východní Afriky. Populace států neustále narůstá, tedy místní zemědělství by mělo být schopno navyšovat svoji produkci, aby splnilo svůj primární cíl a to poskytnout dostatek potravin a nutricita. Půda je využívána zemědělci nejen pro pěstování potravin, ale také jim poskytuje stavební materiál, pastvu pro dobytek, palivo apod. V současné době musí zemědělci rozvojových zemí čím dál tím více čelit novým faktorům, jako např. změnám

lokálního klimatu, náhlým propadům

cen

tradičních

komodit,

potravinovým a finančním krizím nebo záborům půdy. Zabírání půdy vede místní obyvatele k obavám o ztrátu vlastní soběstačnosti. Mezinárodní a národní aktéři skupují nebo pronajímají rozsáhlé plochy, které předtím využívaly místní komunity. Všechny tyto faktory vedou ke snížení produkce potravin, které jsou příčinou hladu a podvýživy a úmrtí tisíců Afričanů. Organizace pro výživu a zemědělství (Food and Agriclture Organization of the United Nations – FAO) pomáhá chudým lidem afrických zemí se zabezpečením dostatečného množství potravin, dosáhnout soběstačnosti ve výživě a omezit problémy s nedostatkem potravin, tedy snížit úmrtnost a zlepšit životní podmínky venkovského obyvatelstva, které je závislé na zemědělství. Tab. 16 Návrh zemědělství a produkce obilovin (vlastní zpracování)

Návrh Spolupráce veřejných politik, organizací a programů Podpora drobných zemědělců Kontrola dodávek potravin Návrh Doporučuji využití spolupráce veřejných politik a programů, které podporují hospodářský růst a byly by přínosem pro chudé. Využití dotací je vhodné pro zvýšení kupní síly domácností, která je založena na lidských právech a podpoře rovnosti mužů a žen. Venkovské obyvatelstvo často nemá přístup k technologiím a

87

přístup na trh. Zlepšení produktivity zemědělství zaměřené na drobné zemědělce by mělo prospět chudým venkovským obyvatelům. V dnešní době existují vyšlechtěné odrůdy, které jsou odolné vůči extrémnímu suchu, vážným škůdcům a chorobám a nejsou závislé tolik na pesticidech. Šlechtění nových odrůd je ale zdlouhavá záležitost. Nové odrůdy nejsou řešením, ale mohou přispět k potlačení hladomorů a zlepšení životních podmínek. Dodávky potravin za podpory NGO´s nebo FAO jsou pouze krátkodobým řešením. Organizace většinou pomáhají při vypuknutí humanitární krize. Mohou nastat distribuční problémy, kdy jsou dodávky jídla zneužívány vládou. Po ukončení pomoci se chudí lidé musí spolehnout na sebe a své prostředky k získávání potravin. Proto organizace vyvíjí tlak na vládu, aby investovala a podporovala drobné zemědělce.

4.4

Návrh – Burundi

Nepříznivá situace v rámci udržitelného rozvoje je v Burundi. Burundi je členem EAC, které se nachází v regionu Viktoriina jezera. Rychle rostoucí sekundární města v povodí jezera hrají významnou roli v rozvoji ekonomiky regionu a poskytování zaměstnanosti. Většina měst má nedostatečnou infrastrukturu a služby. Nejvíce postiženy jsou chudí lidé žijící v příměstských a venkovských oblastech. Rychlý růst populace má za následek intenzivní tlak na základní infrastrukturu, dopad na životní prostředí a na ekosystém Viktoriina jezera. Tab. 17 Spolupráce Burundi a ostatních členských států EAC (vlastní zpracování)

Cíl 1. fáze 2. fáze 3. fáze Výstup

Přístup k vodě a sanitaci Identifikace nejvíce postižených oblastí – okamžitá pomoc Vzdělávání a budování kapacit Dlouhodobé řešení Rozvoj země Zlepšení zdraví obyvatel

88

Návrhem je rozšíření spolupráce Burundi s ostatními členy EAC a podporovat a implementovat programy vodní a sanitární infrastruktury a přispět tak ke zlepšení kvality vody a zdraví obyvatel. V první fázi se identifikují a analyzují nejvíce postižené oblasti, které potřebují naléhavou, okamžitou pomoc v přístupu k vodě a hygienickým potřebám. Druhá fáze se zaměří na vzdělávání, budování kapacit, kdy dlouhodobé řešení je konečnou fází. Cílem by bylo rozvinout zásobování vodou a infrastrukturu kanalizace, přispět k rozvoji země a zlepšení zdraví obyvatel.

89

5 Závěr Východní Afrika je region bohatý na přírodní a vodní zdroje, jednotlivé země však měly odlišný historický, hospodářský a zemědělský vývoj, politické režimy, kulturní a náboženské tradice. Některé země zažívaly období konfliktů a válek, které narušily jejich stabilitu, jiné zažívaly a zažívají období míru a stability. Existují zde hrozby, které mohou narušit bezpečnost země, např. vysoký počet obyvatel, chudoba, podvýživa, nedostatečný přístup k nezávadné pitné vodě a sanitárním opatřením, sucho, nízká produkce potravin, vysoká dětská úmrtnost, nízká naděje na dožití apod. Přes veškeré hrozby v zemích nechybí potenciální růst ekonomiky. Aby byl tento růst udržitelný, je nezbytná spolupráce místních vlád, soukromého sektoru, neziskových a mezinárodních organizací. Podpora rozvoje zemědělství a investice do lidských zdrojů mohou zlepšit výkon ekonomiky. Země východní Afriky se snaží naplnit MDG´s, kde je spolupráce zaměřena na dostupnost k pitné vodě, vzdělávání, zlepšení zdraví a další oblasti spojené s chudobou. V rámci udržitelného rozvoje analyzovaného kompozitního indikátoru, zahrnující ekonomický, sociální a environmentální pilíř, tvoří skupinu příznivý Džibutsko a Rwanda. Džibutsko je nejvíce příznivé k udržitelnému rozvoji svojí ekonomickou stabilitou. Strategickou polohou má ekonomický a politický význam a má funkci dopravního uzlu a překladiště lodí. Rwanda se umístila na místě druhém. Ve Rwandě proběhla občanská válka a genocida, tedy celková situace v zemi nebyla příznivá. Po několika letech se v zemi zlepšila jak ekonomická, tak sociální situace, zásluhou realizovaných programů. Malawi a Uganda představují země spíše příznivé k udržitelnému rozvoji. Ekonomiky států jsou relativně stabilní. Uganda má nová naleziště ropy a zemního plynu, která přitahují nové zahraniční investory. Skupinu průměrný znázorňují země Keňa, Madagaskar a Tanzanie. Keňa a Tanzanie jsou sousední země, které spolupracují v mnoha oblastech v rámci EAC. Madagaskar má na svoji rozlohu nepatrná naleziště nerostných surovin, z části je tedy závislý na zahraniční pomoci a investicích. Eritrea a Mozambik jsou spíše nepříznivé k udržitelnému rozvoji. Dopad na Eritreu měla válka s Etiopií

90

a extrémní sucha, ekonomická situace není zcela stabilní a země tak nedokáže snížit chudobu, stejně tak jako Mozambik. Nepříznivými jsou Etiopie a Burundi. Burundi ovlivnilo dlouhé období bojů. Po válce se vrátilo mnoho uprchlíků, kteří zatížili nedostatečné sociální služby, jelikož Burundi je rozlohou malá země s vysokým počtem obyvatel. Země východní Afriky mají společný problém, a to chudobu. Přestože se snaží zvýšit ekonomický růst, nedaří se jim tento problém vyřešit. Lidé mají stále nedostatečný přístup k nezávadné pitné vodě a sanitárním zařízením, nedostatek financí na nové technologie, nerovnoměrné rozdělení příjmů, apod. Velkým sociálním problémem je nemoc HIV/AIDs, malárie a další. Situace v zemích východní Afriky je stále vážná, proto je pro udržitelnost zemí nutná spolupráce vlád na národní i mezinárodní úrovni se zapojením globálních aktérů. Kompozitní indikátory jsou využívány světovými organizacemi, které hodnotí úroveň a udržitelnost zemí na základě provedených analýz. Do budoucna se předpokládá kontrola a měření rozvojových zemí na základě cílů MDG´s.

91

6 LITERATURA Tištěné zdroje [1] ANDERBERG, M. R. Cluster analysis for applications. New York: Academic Press, 1973, xiii, 359 p. ISBN 01-205-7650-3. [2] BEDÁŇOVÁ I., VEČEREK V. Základy statistiky pro studující veterinární medicíny a farmacie. VFU Brno, 2007. [3] BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. 1. vyd. Praha: Grada, 2010, 272 s. ISBN 978-80-247-32435. [4] BLEWITT, John. Understanding sustainable development. Sterling, VA: Earthscan, 2008, xvi, 288 p. ISBN 18-440-7454-4. [5] CONSTANZA, Edited by Robert. Ecological economics: the science and management of sustainability. [3. print.]. New York: Columbia University Press, 1991. ISBN 978-023-1075-633. [6] EFRON, B., TIBSHIRANI, R. Statistical data analysis in the computer age. 1991, Science 253, 390-395. [7] GENTLE, James E.Wolfgang Karl Härdle. Handbook of computational statistics concepts and methods. 2nd rev. and updated ed. Berlin: Springer, 2012. ISBN 978364-2215-513. [8] GERYLOVOVÁ, A.; HOLČÍK, J. Úvod do statistiky: text pro semináře. 3. nezměn. vyd. Brno: Masarykova univerzita, 2006, 31 s. ISBN 978-802-1042-230. [9] HÁK, T., MOLDAN B., DAHL, A. Sustainability indicators: a scientific assessment. Washington, DC: Island Press, c2007, xxvii, 413 p. SCOPE report, 67. ISBN 15-9726131-9.

92

[10] Hebák, P. Vícerozměrné statistické metody 3, Praha: Informatorium, 2007, ISBN 978-80-7333-001-9 . [11] HENDL, Jan. Přehled statistických metod: analýza a metaanalýza dat. 4., rozš. vyd. Praha: Portál, 2012, 734 s. ISBN 978-80-262-0200-4. [12] HINDLS, Richard. Metody statistické analýzy pro ekonomy. 2. přepracované vyd. Praha: Management Press, 2000, 259 s. ISBN 80-726-1013-9. [13] JAMES E. GENTLE, James E.Wolfgang Karl Härdle. Handbook of computational statistics concepts and methods. 2nd rev. and updated ed. Berlin: Springer, 2012. ISBN 978-364-2215-513. [14] JÍLEK, J. Nástin sociálně hospodářské statistiky. Vysoká škola ekonomická v Praze, nakladatelství Oeconomica, 2005, str. 6. [15] KLINE R. B. Principles and practice of structural equation modelling. NY: Guilford Press. Covers confirmatory factor analysis using SEM techniques. 1998. [16] KOZEL, Roman, Lenka MYNÁŘOVÁ a Hana SVOBODOVÁ. Moderní metody a techniky marketingového výzkumu. 1. vyd. Praha: Grada, 2011, 304 s. Expert (Grada). ISBN 978-80-247-3527-6. [17] LITTLE, R. J.; RUBIN, B. Statistical analysis with missing data. 2nd ed. Hoboken, N.J.: Wiley, c2002, xv, 381 s. Wiley series in probability and statistics. ISBN 04-7118386-5. [18] LUKASOVÁ, Alena a Jana ŠARMANOVÁ. Metody shlukové analýzy. 1. vyd. Praha: Státní nakladatelství technické literatury, 1985, 210 s. [19] MEZŘICKÝ, V. Environmentální politika a udržitelný rozvoj. Vyd. 1. Praha: Portál, 2005, 207 s. ISBN 80-736-7003-8. [20] MINAŘÍK, B. StatistikaI – 2. část.MZLU:Brno, 2006, 07. ISBN80-7157-929-7

93

[21] MINAŘÍK, Bohumil. Statistika I: Popisná statistika (II. část). Měření závislostí. Statistické srovnávání. Popis časových řad. 1.vyd. Brno: Mendelova zemědělská a lesnická univ., 2000, s.105-207. ISBN 80-715-7427-9. [22] MINAŘÍK, B.; BORŮVKOVÁ, J.; VYSTRČIL, M. Analýzy v regionálním rozvoji. Praha: Professional Publishing, 2013. 234 s. ISBN 978-80-7431-129-1. [23]

Munda

G.

„Measuring

sustainability“:

a

multi-criterion

framework,

Environment, Development and Sustainability. 2005, Vol. 7 (1): 117-134. [24] Naše společná budoucnost. Světová komise pro životní prostředí a rozvoj. 1. vyd. Praha: Academia, 1991. ISBN 80-853-6807-2. [25] Neubauer, J. Sedlačík, M., Kříž O. Základy statistiky: Aplikace v technických a ekonomických oborech. Praha: Grada, 2012. ISBN 978-80-247-4273-1. [26] PEARCE, D., Barbier, E. Sustainable development: economics and environment in the Third World. ISBN 978-113-4159-062. [27] REID, Richard J. Frontiers of violence in North-East Africa: genealogies of conflict since c.1800. Oxford : Oxford University Press, 2011. 310 s. ISBN 978-0-19921188-3. [28] ROSEN, Robert. Life itself: a comprehensive inquiry into the nature, origin, and fabrication of life. New York [u.a.]: Columbia Univ. Press, 2005. ISBN 978-0231075-657. [29] Řezanková, H., T. Löster: Úvod do statistiky, VŠE v Praze 2009, Oeconomica ISBN 978-80-245-1514-4

[30] Saltelli A. Composite indicators between analysis and advocacy, Social Indicators Research. 2007. 81: 65–77 [31] Sen A. Development as Capability Expansion. In: Fukuda-Parr S, et al Readings in Human Development. New Delhi and New York: Oxford University Press; 2003.

94

[32] Tabachnick, B., Fidell L. Using Multivariate Statistics. Harper & Row Publishers, New York, 1989, pp. 746 [33] TUFTE, E. R. The visual display of quantitative information. 2nd ed. Cheshire: Graphics Press, 2007, 197 s. ;. ISBN 978-0-9613921-4-7. [34] VICHI M., KIERS H. Factorial k-means analysis for two-way data. Computational Statistics and Data Analysis. 2001, 37(1): 49-64. [35] WILLMOTT C. J., ACKLESON S.G., DAVIS R.E, FEDDEMA J.J., KLINK K.M., LEGATES D.R., O’DONNEL J., AND ROWE C.M. Statistics for the evaluation and comparison of models. Journal of Geophisical Research 1985. 90: 8995-9005. [36] ZHAO, L.; BANERJEE, M. Computational Statistics and Data Analysis. vol. 56 issue 2 February 1, 2012. p. 362-369, ISSN: 0167-9473. [37] ZVÁROVÁ, Jana. Základy statistiky pro biomedicínské obory: analýza a metaanalýza dat. 2., dopl. vyd. Praha: Karolinum, 2011, 219 s. Biomedicínská statistika, 1. ISBN 978-802-4619-316. Internetové zdroje [38] ABSOLVENTI.GYMCHEB.CZ. Využití matematických metod v geodézii a geologickém

průzkumu

[online].

2010

[cit.

2014-05-21].

Dostupné

z:

http://absolventi.gymcheb.cz/2010/tofiala/geo/korelacni-koeficient.html [39] BOCK, H. H. Origins and extensions of the means algorithm in cluster analysis. In: Electronic Journal for History of Probability and Statistics [online]. 2008 [cit. 2014-05-07]. Dostupné z: http://www.jehps.net/Decembre2008/Bock.pdf [40] FREUDENBERG, M. Composite indicators of country performance: a critical assessment [online]. 2003 [cit. 2014-04-21]. Dostupné z: http://www.oecdilibrary.org/docserver/download/5lgsjhvj7lbt.pdf?expires=1400631512&id=id&a ccname=guest&checksum=6F70226A5131B2A8ABC63868C0B45A38

95

[41]

IEF

[online].

2007

[cit.

2014-05-09].

Dostupné

z:

http://www.heritage.org/index/explore?view=by-region-country-year [42]

IEF

[online].

2009

[cit.

2014-05-09].

Dostupné

z:

http://www.heritage.org/index/explore?view=by-region-country-year [43]

IEF

[online].

2011

[cit.

2014-05-07].

Dostupné

z:

http://www.heritage.org/index/explore?view=by-region-country-year [44] INDEX MUNDI. Physicians density (physicians/1,000 population) [online]. 2011 [cit. 2014-05-07]. Dostupné z: http://www.indexmundi.com/g/r.aspx?v=2226 [45] JACOBS, R. Measuring performance: An examination of composite performance indicators

[online].

2004

[cit.

2014-05-04].

Dostupné

z:

http://www.york.ac.uk/che/pdf/tp29.pdf [46] JRC. Tools for Composite Indicators Building [online]. 2005 [cit. 2014-04-12]. Dostupné

z:

http://ipsc.jrc.ec.europa.eu/fileadmin/repository/eas/composite-

indicators/Documents/EUR_21682_EN_Tools_for_Composite_Indicator_Building.p df [47] MULETIEDU. Jednorozměrná popisná statistika [online]. 2011 [cit. 2014-0425].

Dostupné z:

http://multiedu.tul.cz/~katerina.gurinova/multiedu/Statistika_I/Popisna_statistik a.pdf [48] NATION MASTER. Facts and stats about Burundi[online]. 2014a [cit. 2014-0510]. Dostupné z: http://www.nationmaster.com/country-info/profiles/Burundi [49] NATION MASTER. Facts and stats about Djibouti [online]. 2014b [cit. 2014-0510]. Dostupné z: http://www.nationmaster.com/country-info/profiles/Djibouti [50] NATION MASTER. Facts and stats about Eritrea [online]. 2014c [cit. 2014-0510]. Dostupné z: http://www.nationmaster.com/country-info/profiles/Eritrea

96

[51] NATION MASTER. Facts and stats about Ethiopia [online]. 2014d [cit. 2014-0510]. Dostupné z: http://www.nationmaster.com/country-info/profiles/Ethiopia [52] NATION MASTER. Facts and stats about Kenya[online]. 2014e [cit. 2014-0510]. Dostupné z: http://www.nationmaster.com/country-info/profiles/Kenya [53] NATION MASTER. Facts and stats about Madagascar [online]. 2014f [cit. 201405-10].

Dostupné

z:

http://www.nationmaster.com/country-

info/profiles/Madagascar [54]NATION MASTER. Facts and stats about Malawi [online]. 2014g [cit. 2014-0510]. Dostupné z: : http://www.nationmaster.com/country-info/profiles/Malawi [55] NATION MASTER. Facts and stats about Mozambique [online]. 2014h[cit. 2014-05-10].

Dostupné

z:

http://www.nationmaster.com/country-

info/profiles/Mozambique [56] NATION MASTER. Facts and stats about Rwanda[online]. 2014i [cit. 2014-0510]. Dostupné z: http://www.nationmaster.com/country-info/profiles/Rwanda [57] NATION MASTER. Facts and stats about Tanzania [online]. 2014j [cit. 201405-10].

Dostupné

z:

http://www.nationmaster.com/country-

info/profiles/Tanzania [58] NATION MASTER. Facts and stats about Uganda [online]. 2014k [cit. 2014-0510]. Dostupné z: http://www.nationmaster.com/country-info/profiles/Uganda [59] NEUBAUER, J. UNOB.CZ. Popisná statistika [online]. 2012 [cit. 2014-04-21]. Dostupné z: http://k101.unob.cz/~neubauer/pdf/Popisna%20statistika.pdf [60] OECD. Handbook on Constructing Composite Indicators: METHODOLOGY AND USER

GUIDE

[online].

2008

[cit.

2014-04-13].

Dostupné

z:

http://www.oecd.org/std/42495745.pdf [61] RUBIN, Donald B. Inference and missing data [online]. 1976 [cit. 2014-04-18]. Dostupné z: http://people.csail.mit.edu/jrennie/trg/papers/rubin-missing-76.pdf

97

[62] Sustainable Development Concepts and Indicators [online]. 2000 [cit. 2014-0509].

Dostupné

z:

http://web205.vbox-

01.inode.at/Data/personendaten/js/catxta.pdf [63] UN. MDGs: Carbon dioxide emissions (CO2), metric tons of CO2 per capita (CDIAC)

[online].

2010

[cit.

2014-05-07].

Dostupné

z:

http://mdgs.un.org/unsd/mdg/SeriesDetail.aspx?srid=751 [64] UN. MGD Indicators: Proportion of population using an improved sanitation facility

[online].

2011

[cit.

2014-05-07].

Dostupné

z:

http://mdgs.un.org/unsd/mdg/SeriesDetail.aspx?srid=668 [65] VÍTEJTE NA ZEMI. Trvale udržitelný rozvoj [online]. 2013 [cit. 2014-04-10]. Dostupné z: http://vitejtenazemi.cz/cenia/index.php?p=trvale_udrzitelny_rozvoj&site=spotreb a [66] WB. Agricultural land (% of land area) [online]. 2007a [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/AG.LND.AGRI.ZS [67] WB. Cereal production (metric tons) [online]. 2007b [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/AG.PRD.CREL.MT [68] WB. Foreign direct investment, net inflows (% of GDP) [online]. 2007c [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/BX.KLT.DINV.WD.GD.ZS [69]

WB.

GDP

[online].

2007d

[cit.

2014-05-09].

Dostupné

z:

http://data.worldbank.org/indicator/NY.GDP.MKTP.CD [70] WB. Improved water source (% of population with access) [online]. 2007e [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/SH.H2O.SAFE.ZS [71] WB. Life expectancy at birth, total (years) [online]. 2007f [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.LE00.IN

98

[72] WB. Merchandise trade (% of GDP) [online]. 2007g [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/TG.VAL.TOTL.GD.ZS [73] WB. Mortality rate, infant (per 1,000 live births) [online]. 2007h [cit. 2014-0509]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.IMRT.IN [74] WB. Agricultural land (% of land area) [online]. 2009a [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/AG.LND.AGRI.ZS [75] WB. Cereal production (metric tons) [online]. 2009b [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/AG.PRD.CREL.MT [76] WB. Foreign direct investment, net inflows (% of GDP) [online]. 2009c [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/BX.KLT.DINV.WD.GD.ZS [77]

WB.

GDP

[online].

2009d

[cit.

2014-05-09].

Dostupné

z:

http://data.worldbank.org/indicator/NY.GDP.MKTP.CD [78] WB. Improved water source (% of population with access) [online]. 2009e [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/SH.H2O.SAFE.ZS [79] WB. Life expectancy at birth, total (years) [online]. 2009f [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.LE00.IN [80] WB. Merchandise trade (% of GDP) [online]. 2009g [cit. 2014-05-09]. Dostupné z: http://data.worldbank.org/indicator/TG.VAL.TOTL.GD.ZS [81] WB. Mortality rate, infant (per 1,000 live births) [online]. 2009h [cit. 2014-0509]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.IMRT.IN [82] WB. Agricultural land (% of land area) [online]. 2011a [cit. 2014-05-07]. Dostupné z: http://data.worldbank.org/indicator/AG.LND.AGRI.ZS [83] WB. Cereal production (metric tons) [online]. 2011b [cit. 2014-05-07]. Dostupné z: http://data.worldbank.org/indicator/AG.PRD.CREL.MT

99

[84] WB. Foreign direct investment, net inflows (% of GDP) [online]. 2011c [cit. 2014-05-07].

Dostupné

z:

http://data.worldbank.org/indicator/BX.KLT.DINV.WD.GD.ZS [85]

WB.

GDP

[online].

2011d

[cit.

2014-05-07].

Dostupné

z:

http://data.worldbank.org/indicator/NY.GDP.MKTP.CD [86] WB. Improved water source (% of population with access) [online]. 2011e [cit. 2014-05-07]. Dostupné z: http://data.worldbank.org/indicator/SH.H2O.SAFE.ZS [87] WB. Life expectancy at birth, total (years) [online]. 2011f [cit. 2014-05-07]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.LE00.IN [88] WB. Merchandise trade (% of GDP) [online]. 2011g [cit. 2014-05-07]. Dostupné z: http://data.worldbank.org/indicator/TG.VAL.TOTL.GD.ZS [89] WB. Mortality rate, infant (per 1,000 live births) [online]. 2011h [cit. 2014-0507]. Dostupné z: http://data.worldbank.org/indicator/SP.DYN.IMRT.IN

100

7 SEZNAM OBRÁZKŮ Obr. 1 Schéma trvale udržitelného rozvoje (zdroj: vitejtenazemi.cz, 2013) .......................... 13 Obr. 2 Model přirozeného a formálního systému (zdroj: JRC, 2005; vlastní zpracování) ........................................................................................................................................................... 18 Obr. 3 Šikmost (zdroj: Neubauer, 2012) .................................................................................................. 31 Obr. 4 Špičatost (zdroj: Neubauer, 2012) ................................................................................................ 32 Obr. 5 Lineární

závislost

mezi

dvěma

metricky

proměnnými

(zdroj:

absolventi.gymcheb.cz, 2010) ....................................................................................................................... 32 Obr. 6 Bodový graf (zdroj: WB 2011, vlastní zpracování programem STATISTICA) ......... 44 Obr. 7 Histogram (zdroj: WB 2011; vlastní zpracování programem STATISTICA) ............ 44 Obr. 8 Ikonový graf – mnohoúhelníky (zdroj: WB 2011; vlastní zpracování) ....................... 45 Obr. 9 Graf jednotlivých indikátorů ekonomického pilíře – původní data (zdroj: vlastní zpracování programem STATISTICA)........................................................................................ 50 Obr. 10 Graf jednotlivých indikátorů sociálního pilíře – původní data (zdroj: vlastní zpracování programem STATISTICA) ....................................................................................................... 52 Obr. 11 Graf jednotlivých indikátorů environmentálního pilíře – původní data (zdroj: vlastní zpracování programem STATISTICA) ........................................................................ 54 Obr. 12 Graf korelační matice – původní data (zdroj: zdroj: WB, 2011a–h, IEF; 2011; IndexMundi, 2011; vlastní zpracování programem STATISTICA)................................. 57 Obr. 13 Graf jednotlivých indikátorů po transformaci (zdroj: zdroj: zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování programem STATISTICA) .......................................................................................................................................................... 62 Obr. 14 Ekonomický pilíř (zdroj: vlastní zpracování) ....................................................................... 63

101

Obr. 15 Graf jednotlivých indikátorů sociálního pilíře (zdroj: vlastní zpracování programem STATISTICA) ................................................................................................................................ 68 Obr. 16 Sociální pilíř (zdroj: vlastní zpracování) ................................................................................. 69 Obr. 17 Graf jednotlivých indikátorů environmentálního pilíře (zdroj: vlastní zpracování programem STATISTICA) ....................................................................................................... 73 Obr. 18 Environmentální pilíř (zdroj: vlastní zpracování).............................................................. 74 Obr. 19 Graf

kompozitního

indikátoru

udržitelného

rozvoje

a

indikátorů

jednotlivých pilířů států východní Afriky (zdroj: vlastní zpracování)....................................... 79 Obr. 20 Udržitelný pilíř (zdroj: vlastní zpracování) ........................................................................... 80 Obr. 21 Vybrané státy východní Afriky (vlastní zpracování)...................................................... 107 Obr. 22 Burundi (zdroj: Nationmaster, 2014a) ................................................................................. 108 Obr. 23 Džibuti (zdroj: Nationmaster, 2014b) ................................................................................... 109 Obr. 24 Eritrea (zdroj: Nationmaster, 2014c) .................................................................................... 109 Obr. 25 Etiopie (zdroj: Nationmaster, 2014d) ................................................................................... 110 Obr. 26 Keňa (zdroj: Nationmaster, 2014e) ........................................................................................ 111 Obr. 26 Madagaskar (zdroj: Nationmaster, 2014f) .......................................................................... 112 Obr. 27 Malawi (zdroj: Nationmaster, 2014g) ................................................................................... 112 Obr. 28 Mozambik (zdroj: Nationmaster, 2014h) ............................................................................ 113 Obr. 29 Rwanda (zdroj: Nationmaster, 2014i)................................................................................... 114 Obr. 30 Tanzanie (zdroj: Nationmaster, 2014j)................................................................................. 115 Obr. 31 Uganda (zdroj: Nationmaster, 2014k)................................................................................... 115 Obr. 32 Kompozitní indikátor udržitelného rozvoje rok 2007 .................................................. 138

102

Obr. 33 Kompozitní indikátor udržitelného rozvoje rok 2009 .................................................. 139 Obr. 34 Kompozitní indikátor udržitelného rozvoje rok 2011 .................................................. 140

103

8 SEZNAM TABULEK Tab.1 Výhody a nevýhody kompozitního indikátoru (zdroj: OECD, 2008; vlastní zpracování)............................................................................................................................................................. 17 Tab.2 Postup vytvoření kompozitního indikátoru (zdroj: OECD, 2008; vlastní zpracování) 22 Tab. 3 Mechanismy a metody chybějících dat (zdroj: OECD, 2008; JRC, 2005; Little, Rubin 2002; vlastní zpracování) .................................................................................................................. 24 Tab. 4 Základní charakteristiky (vlastní zpracování) ........................................................................ 26 Tab. 5 Interpretace šikmosti (zdroj: multiedu.tul.cz, 2011; vlastní zpracování) ................. 30 Tab. 6 Interpretace špičatosti (zdroj: Neubauer, Sedlačík, Kžíž 2012; vlastní zpracování) 31 Tab. 7 Intenzita závislosti (zdroj: Minařík, 2006; vlastní zpracování) ...................................... 34 Tab. 8 Tabulka – okruh (zdroj: WB 2011a–e, UN 2010, UN 2011, Index Mundi 2011,IEF 2011; vlastní zpracování) ........................................................................................................... 48 Tab. 9 Základní statistické charakteristiky (zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování)............................................................................................................... 55 Tab. 10 Korelační tabulka (zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování programem STATISTICA)........................................................................................ 58 Tab. 11 Párové porovnání indikátorů (vlastní zpracování)............................................................ 59 Tab. 12 Vážené normované hodnoty a jejich součet (zdroj: zdroj: zdroj: WB, 2011a–h, IEF; 2011; Index Mundi, 2011; vlastní zpracování)....................................................... 60 Tab. 13 Indikátor a index udržitelného rozvoje, ekonomického, sociálního a environmentálního pilíře (zdroj: zdroj: zdroj: WB, 2011a–h, IEF; 2011; Index

Mundi, 2011; vlastní zpracování) ................................................................................................ 61Obr. 15 Graf jed

104

Tab. 14 Návrh zlepšení přístupu k pitné vodě (vlastní zpracování)........................................... 82 Tab. 15 Návrh přístupu k sanitaci a kanalizaci (vlastní zpracování) ......................................... 85 Tab. 16 Návrh zemědělství a produkce obilovin (vlastní zpracování) ...................................... 87 Tab. 17 Spolupráce Burundi a ostatních členských států EAC (vlastní zpracování) .......... 88 Tab. 18 Původní data (zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování) 116 Tab. 19 Základní charakteristiky po transformaci 2011 (zdroj: zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování programem STATISTICA) ................... 117 Tab. 20 Data po transformaci 2011 (zdroj: zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování) ............................................................................................................. 118 Tab. 21Standardizace po transformaci (zdroj: zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování) ............................................................................................................. 119 Tab. 22 Původní data rok 2009 (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování) ............................................................................................................................. 120 Tab. 23 Základní charakteristiky – původní data (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování programem STATISTICA) .......................................... 121 Tab. 24 Data po transformaci (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování) .......................................................................................................................................... 122 Tab. 25 Korelační matice po transformaci (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování programem STATISTICA) ....................................................... 123 Tab. 26 Váhy (vlastní zpracování)............................................................................................................ 124 Tab. 27 Standardizace (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování) 125

105

Tab. 28 Vážené standardizované hodnoty (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování) ............................................................................................................. 126 Tab. 29 Hodnoty kompozitního indikátoru udržitelného rozvoje a jednotlivých pilířů (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování).............. 127 Tab. 30 Původní data (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování) 128 Tab. 31 Základní charakteristiky – původní data (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování programem STATISTICA) .......................................... 129 Tab. 32 Data po transformaci (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování) .......................................................................................................................................... 130 Tab. 33 Korelační matice – transformovaná data (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování programem STATISTICA) .......................................... 131 Tab. 34 Váhy (vlastní zpracování)............................................................................................................ 132 Tab. 35 Standardizace po transformaci (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování) ............................................................................................................. 133 Tab. 36 Vážené standardizované hodnoty rok 2009 (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování) .................................................................................. 134 Tab. 37 Hodnoty kompozitního indikátoru udržitelného rozvoje a jednotlivých pilíř§ rok 2007 (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování) 135 Tab. 38 Kompozitní indikátor udržitelného rozvoje za rok 2007, 2009 a 2011 (zdroj: WB, 2007a–h; WB, 2009a–h; WB 2011a–h, IEF, 2007; IEF, 2009; IEF, 2011; Index Mundi, 2007; Index Mundi, 2009; Index Mundi, 2011; vlastní zpracování)........... 136 Tab. 39 Kompozitní indikátor udržitelného rozvoje vybraných zemí východní Afriky za rok 2007, 2009 a 2011............................................................................................................... 137

106

PŘÍLOHY Příloha 1

Obr. 21 Vybrané státy východní Afriky (vlastní zpracování)

Příloha 2 Burundi Oficiálně: Burundská republika Státní zřízení: prezidentská republika Hlavní město: Bujumbura Počet obyvatel: 9 560 362 Hustota zalidnění: 371,5 (km2/obyvatele)

107

Jazyk: kirundi (úřední), francouzština (úřední), svahilština (zejména v hlavním městě) Náboženství: křesťané 67 % (římští katolíci 62 %, protestanti 5 %), domorodé náboženství 23 %, muslimové 10 % Burundi je stát ve východní Africe. Na severu s Rwandou, na východě a jihu s Tanzanií, a na západě s Demokratickou republikou Kongo. Jezero Tanganika tvoří Jihozápadní hranici státu. Hlavním městem Burundi je Bujumbura a země je administrativně rozčleněna na 17 provincií.

Obr. 22 Burundi (zdroj: Nationmaster, 2014a)

Příloha 3 Džibutsko Státní zřízení: republika Hlavní město: Džíbútí Počet obyvatel: 846 646 (zdroj: WB 2011) Hustota zalidnění: 36,5 (km2/obyvatele) Jazyk: francouzština (úřední), arabština (úřední), somálština, afar Náboženství: muslimové 94%, křesťané 6% Džibutsko je státem východní Afriky. Na severu sousedí s Eritreou, na západě a jihu s Etiopií a na jihovýchodě se Somálskem. Je jednou z nejmenších zemí Afriky ležící ve východní části kontinentu ve strategické poloze při průlivu Bab-al-Mandab, který spojuje Rudé moře s Adenským zálivem Indického oceánu.

108

Obr. 23 Džibuti (zdroj: Nationmaster, 2014b)

Příloha 4 Eritrea Celý název: Stát Eritrea Státní zřízení: prezidentská republika Hlavní město: Asmara Počet obyvatel: 5 932 852 Hustota zalidnění: 58,7 (km2/obyvatele) Jazyk: tigriňština, arabština, angličtina (de facto úřední jazyky) Náboženství: muslimové, pravoslavní křesťané, římští katolíci, protestanti Eritrea je státním útvarem na pobřeží Rudého moře v oblasti Afrického rohu ve východní Africe. Na východě sousedí s Džibutskem, na jihu s Etiopií a na západě sousedí se Súdánem.

Obr. 24 Eritrea (zdroj: Nationmaster, 2014c)

109

Příloha 5 Etiopie Celý název: Etiopská federativní demokratická republika Státní zřízení: federativní parlamentní republika Hlavní město: Addis Abeba Počet obyvatel: 89 393 063 Hustota zalidnění: 89,4 (km2/obyvatele) Jazyk: amharština (úřední) Náboženství: Etiopská ortodoxní církev (43,5 % populace), islám (33,9 %), protestantismus (18 %), tradiční náboženství (2,6 %) a katolictví (0,7 %), ostatní 0,7 %. Etiopie je vnitrozemský stát východní Afriky. Na severu sousedí s Eritrejí, na východě s Džibutskem a Somálskem, na jihu s Keňou a se Súdánem a na západě s Jižním Súdánem.

Obr. 25 Etiopie (zdroj: Nationmaster, 2014d)

Příloha 6 Keňa Celý název: Keňská republika Státní zřízení: republika Hlavní město: Nairobi

110

Počet obyvatel: 42 027 891 Hustota zalidnění: 73,8 (km2/obyvatele) Jazyk: svahilština, angličtina (úřední), arabština a kmenové jazyky Náboženství: protestanti 45 %, římští katolíci 33 %, muslimové 10 %, původní náboženství 10 %, ostatní 2 % Keňská republika je přímořský stát ve východní Africe při pobřeží Indického oceánu. Na severu hraničí s Etiopií, na jihu s Tanzánií, na východě se Somálskem, na západě s Ugandou a na severozápadě s Jižním Súdánem. Keňa je známá svými národními parky v savaně a je atraktivní pro zahraniční turisty. Keňa je pojmenována po nejvyšší hoře Mount Kenya, která se nachází uprostřed státu.

Obr. 26 Keňa (zdroj: Nationmaster, 2014e)

Příloha 7 Madagaskar Státní zřízení: republika Hlavní město: Antananarivo Počet obyvatel: 21 678 934 Hustota zalidnění: 37,3 Jazyk: francouzština (úřední), malgaština (úřední) Náboženství: domorodé náboženství 52 %, křesťané 41 %, muslimové 7 % Madagaskar je ostrovem ležícím poblíž jihovýchodního pobřeží kontinentální Afriky a je její součástí. Současně se Madagaskar nazývá stát v Africe, který se rozkládá na území tohoto ostrova. Je 4. největším ostrovem na světě. Od kontinentální Afriky ho odděluje (konkrétně od Mosambiku) cca 400 km

111

Mosambického průlivu. Flóra a fauma má s Afrikou málo společného. Na východ od Madagaskaru leží v Indickém oceánu ostrovy Réunion a Mauricius a na severozápadě od Madagaskaru se nachází ostrovní stát Komory a ostrov Mayotte, který spadá pod správu Francie.

Obr. 26 Madagaskar (zdroj: Nationmaster, 2014f)

Příloha 8 Malawi Státní zřízení: prezidentská republika Hlavní město: Lilongwe Počet obyvatel: 15 457 531 Hustota zalidnění: 164 (km2/obyvatele) Jazyk: angličtina (úřední), čičevština (národní) Náboženství: křesťané 79,9%, muslimové 12,8%, jiní 3%, bez vyznání 4,3% Malawi se nachází v jihovýchodní části Afriky u stejnojmenného jezera mezi Zambií, Tanzanií a Mozambikem.

Obr. 27 Malawi (zdroj: Nationmaster, 2014g)

112

Příloha 9 Mozambik Oficiálně: Mozambická republika Státní zřízení: republika Hlavní město: Maputo Počet obyvatel: 24 581 367 Hustota zalidnění: 31,3 (km2/obyvatele) Jazyk: portugalština (úřední) Náboženství: křesťanství, islám, domorodá náboženství Mozambik je republika v jihovýchodní Africe. Severním sousedem je Tanzanie, na východě sousedí s Indickým oceánem, na jihu se Svazijskem a Jihoafrickou republikou, na západě se Zimbabwe a na severozápadě s Malawi a Zambií. Mozambik je členem Společenství portugalsky mluvících zemí, Commonwealthu a je pozorovatelem ve Frankofonii.

Obr. 28 Mozambik (zdroj: Nationmaster, 2014h)

Příloha 10 Rwanda Oficiálně: Rwandská republika Státní zřízení: prezidentská republika Hlavní město: Kigali

113

Počet obyvatel: 11 144 315 Hustota zalidnění: 451,7(km2/obyvatele) Jazyk: rwandština, francouzština, angličtina (úřední), svahilština Náboženství: katolíci (56 %), protestanti (37 %), muslimové (5 %) Rwanda je malý vnitrozemský stát. Na severu sousedí s Ugandou, na východě s Tanzanií, na jihu s Burundi a na západě s Kongem. Ve Rwandě žijí dvě etnické skupiny, a to početnější Hutuové a méně početní Tutsiové. V minulosti byly mezi těmito dvěma etniky nesváry a spory.

Obr. 29 Rwanda (zdroj: Nationmaster, 2014i)

Příloha 11 Tanzanie Státní zřízení: prezidentská republika Hlavní město: Dodoma Počet obyvatel: 46354607 Hustota zalidnění: 52,3(km2/obyvatele) Jazyk: svahilština, angličtina Náboženství: muslimové 35 %, domorodé náboženství 35 %, křesťané 30 %

114

Tanzanie je země na východním pobřeží střední Afriky. Vznikla sloučením dvou původně nezávislých států Tanganiky a Zanzibaru. Na severu s ní sousedí Uganda, na severovýchodě Keňa, na jihu Mozambik, na jihozápadě Zambie a Malawi, na západě Kongo a na severozápadě Rwanda a Burundi.

Obr. 30 Tanzanie (zdroj: Nationmaster, 2014j)

Příloha 12 Uganda Státní zřízení: prezidentská republika Hlavní město: Kampala Počet obyvatel: 35 148 064 Hustota zalidnění: 175,9 (km2/obyvatele) Jazyk: angličtina Náboženství: křesťané 85,1%(katolíci 41,9 %, anglikáni 31,9 %), islám 12,1 % Uganda se nachází se ve východní Africe. Na severu hraničí s Jižním Súdánem, s Keňou na východě, na jihu s Tanzanií a se Rwandou na jihozápadě. Součástí Ugandy je také nezanedbatelná část Viktoriina jezera, kterým procházejí hranice s Keňou a Tanzanií.

Obr. 31 Uganda (zdroj: Nationmaster, 2014k)

115

Příloha 13 Kompozitní indikátor – rok 2011 Tab. 18 Původní data (zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování)

Země X1 Burundi 246,914 Džibutsko 1 461,637 Eritrea 439,542 Etiopie 335,003 Keňa 816,837 Madagaskar 457,208 Malawi 363,642 Mozambik 511,299 Rwanda 570,167 Tanzanie 530,395 Uganda 478,616

Ekonomický X2 X3 0,142 37,178 9,317 48,685 1,496 49,468 2,092 37,124 0,977 61,087 8,170 45,358 2,292 68,546 22,646 78,846 1,672 35,253 4,588 63,478 5,316 46,307

X4 36,8 32,9 18,2 67,4 62,2 60,0 42,4 63,1 76,9 46,0 50,3

X5 53,136 60,803 61,711 62,253 60,371 63,799 54,140 49,488 62,922 60,075 58,018

Sociální X6 X7 68,9 50,0 67,3 61,0 38,3 14,0 48,6 21,0 49,8 29,0 42,2 14,0 49,2 53,0 67,2 19,0 40,8 61,0 39,3 12,0 48,9 35,0

X8 0,03 0,23 0,05 0,02 0,14 0,16 0,02 0,03 0,02 0,01 0,12

X9 86,449 73,425 75,168 35,683 48,231 71,182 59,185 62,820 77,827 42,109 70,377

Environmentální X10 X11 32,828 74,4 0,017 92,5 43,509 60,2 198,687 49 96,569 60,9 218,649 48,1 253,920 83,7 119,275 47,2 76,925 68,9 169,371 53,3 100,603 74,8

X12 36,7 606,5 97,6 78,3 306,7 97,2 83,1 123,2 55,9 152,7 113,2

116

Tab. 19 Základní charakteristiky po transformaci 2011 (zdroj: zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování programem STATISTICA)

Proměnná X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12

Průměr 2,7025 0,4405 51,9393 50,5636 58,7923 50,9545 33,5455 0,0755 63,8596 119,1229 64,8182 2,0637

Medián 2,6800 0,3601 48,6854 50,3000 60,3709 48,9000 29,0000 0,0300 70,3769 100,6030 60,9000 1,9894

Minimum 2,39255 -0,84642 35,25335 18,20000 49,48783 38,30000 12,00000 0,01000 35,68300 0,01654 47,20000 1,56467

Maximum 3,1648 1,3550 78,8464 76,9000 63,7989 68,9000 61,0000 0,2300 86,4486 253,9197 92,5000 2,7828

Rozptyl 0,041 0,347 202,416 299,507 21,161 134,303 377,673 0,006 255,505 6691,379 234,038 0,112

Sm.odch. 0,20362 0,58878 14,22730 17,30626 4,60010 11,58891 19,43380 0,07448 15,98452 81,80085 15,29829 0,33487

Šikmost 1,00871 -0,72021 0,62537 -0,35912 -1,01855 0,71283 0,38514 1,08167 -0,57873 0,26976 0,48133 0,92690

Špičatost 2,04788 1,36752 -0,58178 -0,39069 -0,01191 -1,06251 -1,68578 -0,00500 -0,67845 -1,02339 -0,85872 1,27249

117

Tab. 20 Data po transformaci 2011 (zdroj: zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování)

Země Burundi Džibutsko Eritrea Etiopie Keňa Madagaskar Malawi Mozambik Rwanda Tanzanie Uganda

X1 2,393 3,165 2,643 2,525 2,912 2,660 2,561 2,709 2,756 2,725 2,680

Ekonomický X2 X3 -0,846 37,178 0,969 48,685 0,175 49,468 0,321 37,124 -0,010 61,087 0,912 45,358 0,360 68,546 1,355 78,846 0,223 35,253 0,662 63,478 0,726 46,307

X4 36,8 32,9 18,2 67,4 62,2 60,0 42,4 63,1 76,9 46,0 50,3

X5 53,136 60,803 61,711 62,253 60,371 63,799 54,140 49,488 62,922 60,075 58,018

Sociální X6 X7 68,9 50,0 67,3 61,0 38,3 14,0 48,6 21,0 49,8 29,0 42,2 14,0 49,2 53,0 67,2 19,0 40,8 61,0 39,3 12,0 48,9 35,0

X8 0,03 0,23 0,05 0,02 0,14 0,16 0,02 0,03 0,02 0,01 0,12

X9 86,449 73,425 75,168 35,683 48,231 71,182 59,185 62,820 77,827 42,109 70,377

Environmentální X10 X11 32,828 74,4 0,017 92,5 43,509 60,2 198,687 49 96,569 60,9 218,649 48,1 253,920 83,7 119,275 47,2 76,925 68,9 169,371 53,3 100,603 74,8

X12 1,565 2,783 1,989 1,894 2,487 1,988 1,920 2,091 1,747 2,184 2,054

118

Tab. 21Standardizace po transformaci (zdroj: zdroj: WB, 2011a–h; IEF, 2011; Index Mundi, 2011; vlastní zpracování)

Země Burundi Džibutsko Eritrea Etiopie Keňa Madagaskar Malawi Mozambik Rwanda Tanzanie Uganda

U1 0 100 32,43 17,16 67,28 34,65 21,77 40,93 47,06 42,99 37,22

U2 0 82,48 46,39 53,01 37,98 79,89 54,81 100 48,58 68,50 71,41

U3 4,41 30,81 32,61 4,29 59,26 23,18 76,37 100 0 64,75 25,36

U4 31,69 25,04 0 83,82 74,96 71,21 41,23 76,49 100 47,36 54,68

U5 25,49 79,07 85,41 89,20 76,05 100 32,51 0 93,86 73,98 59,60

U6 0 5,23 100 66,34 62,42 87,26 64,38 5,56 91,83 96,73 65,36

U7 77,55 100 4,08 18,37 34,69 4,08 83,67 14,29 100 0 46,94

U8 9,09 100 18,18 4,55 59,09 68,18 4,55 9,09 4,55 0 50,00

U9 100 74,35 77,78 0 24,72 69,93 46,29 53,46 83,02 12,66 68,34

U10 12,92 0 17,13 78,25 38,03 86,11 100 46,97 30,29 66,70 39,62

U11 60,04 100 28,69 3,97 30,24 1,99 80,57 0 47,90 13,47 60,93

U12 100 0 65,13 72,99 24,31 65,28 70,86 56,82 84,99 49,17 59,84

119

Příloha 14 Kompozitní indikátor – rok 2009 Tab. 22 Původní data rok 2009 (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování)

HDP

Burundi 194,90 Džibutsko 1241,27 Eritrea 334,06 Etiopie 332,33 Keňa 768,37 Madagaskar 419,09 Malawi 345,19 Mozambik 414,11 Rwanda 498,85 Tanzanie 504,20 Uganda 480,87

Přímé Obchod Svoboda zahraniční se podnikání investice zbožím 0,02 50,52 4,90 0,79 0,38 12,41 0,98 9,30 2,26 4,46 5,33

26,99 50,34 32,37 28,85 47,96 49,49 63,80 61,11 29,37 42,73 36,80

34,40 38,10 18,30 62,60 66,90 60,50 45,20 54,20 58,90 48,10 58,70

Naděje Přístup k dožití Dětská Lékaři/1000 Zemědělská Produkce Přístup Emise sanitárním při úmrtnost obyvatel půda obilovin k vodě CO2 zařízením narození 52,09 59,78 60,66 60,60 58,62 62,91 52,68 48,80 61,28 58,18 56,49

73,40 71,10 40,90 53,90 53,70 45,10 55,40 73,50 46,80 44,20 54,00

49,00 61,00 13,00 18,00 29,00 13,00 52,00 18,00 59,00 11,00 34,00

0,03 0,22 0,05 0,02 0,13 0,15 0,02 0,03 0,02 0,01 0,12

83,72 73,43 75,17 34,51 48,23 71,18 58,12 62,82 77,42 42,00 69,63

31,42 0,01 38,24 162,16 68,98 229,63 246,35 91,09 55,80 125,28 91,16

74,00 91,20 60,20 45,40 59,30 46,20 79,90 46,10 68,60 53,50 71,50

22 610 100,6 82 313 90,5 73,4 112,6 55,9 148,1 104

120

Tab. 23 Základní charakteristiky – původní data (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování programem STATISTICA)

Proměnná

Průměr

Medián

Minimum

Maximum

Rozptyl

Sm.odch.

Šikmost

Špičatost

X1

503,0219

419,0909

194,8967

1241,265

80840,51

284,3247

2,003320

4,62513

X2

8,3033

4,4582

0,0200

50,524

211,38

14,5388

2,907366

8,94025

X3

42,7085

42,7339

26,9929

63,801

167,40

12,9384

0,354307

-1,15086

X4

49,6273

54,2000

18,3000

66,900

214,21

14,6361

-0,999366

0,55120

X5

57,4625

58,6150

48,7994

62,908

19,92

4,4628

-0,852446

-0,32597

X6

55,6364

53,9000

40,9000

73,500

142,03

11,9177

0,608761

-1,06498

X7

32,4545

29,0000

11,0000

61,000

382,47

19,5569

0,380433

-1,70123

X8

0,0727

0,0300

0,0100

0,220

0,00

0,0704

1,082238

0,05880

X9

63,2936

69,6261

34,5130

83,723

249,87

15,8073

-0,688533

-0,66064

X10

103,6485

91,0853

0,0130

246,351

6416,83

80,1051

0,758821

-0,39916

X11

63,2636

60,2000

45,4000

91,200

229,41

15,1462

0,408331

-0,72769

X12

155,6455

100,6000

22,0000

610,000

28304,78

168,2402

2,379144

5,84729

121

Tab. 24 Data po transformaci (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování)

Země Burundi Džibutsko Eritrea Etiopie Keňa Madagaskar Malawi Mozambik Rwanda Tanzanie Uganda

X1 2,29 3,09 2,52 2,52 2,89 2,62 2,54 2,62 2,70 2,70 2,68

X2 -1,70 1,70 0,69 -0,10 -0,42 1,09 -0,01 0,97 0,35 0,65 0,73

X3 26,99 50,34 32,37 28,85 47,96 49,49 63,80 61,11 29,37 42,73 36,80

X4 34,40 38,10 18,30 62,60 66,90 60,50 45,20 54,20 58,90 48,10 58,70

X5 52,09 59,78 60,66 60,60 58,62 62,91 52,68 48,80 61,28 58,18 56,49

X6 73,40 71,10 40,90 53,90 53,70 45,10 55,40 73,50 46,80 44,20 54,00

X7 49,00 61,00 13,00 18,00 29,00 13,00 52,00 18,00 59,00 11,00 34,00

X8 0,03 0,22 0,05 0,02 0,13 0,15 0,02 0,03 0,02 0,01 0,12

X9 83,72 73,43 75,17 34,51 48,23 71,18 58,12 62,82 77,42 42,00 69,63

X10 31,42 0,01 38,24 162,16 68,98 229,63 246,35 91,09 55,80 125,28 91,16

X11 74,00 91,20 60,20 45,40 59,30 46,20 79,90 46,10 68,60 53,50 71,50

X12 1,87 1,96 1,78 1,66 1,77 1,66 1,90 1,66 1,84 1,73 1,85

122

Tab. 25 Korelační matice po transformaci (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování programem STATISTICA)

Proměnná

X1

X2

X3

X4

X5

X6

X7

X8

X9

X10

X11

X12

X1

1,000000 0,633668 0,347776 0,243142 0,352839 0,029948 0,226224 0,712887 -0,123614 -0,287403 0,299457 0,265119

X2

0,633668 1,000000 0,407066 0,009233 0,325432 -0,175354 -0,162351 0,481481 0,028613 0,029745 -0,022856 -0,072362

X3

0,347776 0,407066 1,000000 0,144257 -0,410377 0,249400 -0,003310 0,231448 -0,165014 0,421980 0,052113 0,008437

X4

0,243142 0,009233 0,144257 1,000000 0,125008 -0,088409 -0,101293 0,085762 -0,478027 0,391855 -0,400706 -0,407549

X5

0,352839 0,325432 -0,410377 0,125008 1,000000 -0,687615 -0,142018 0,365538 -0,073028 0,011143 -0,120900 -0,120449

X6

0,029948 -0,175354 0,249400 -0,088409 -0,687615 1,000000 0,430858 0,163780 0,234477 -0,350485 0,347260 0,297729

X7

0,226224 -0,162351 -0,003310 -0,101293 -0,142018 0,430858 1,000000 0,189197 0,471753 -0,308995 0,869535 0,860528

X8

0,712887 0,481481 0,231448 0,085762 0,365538 0,163780 0,189197 1,000000 0,251187 -0,220426 0,346619 0,303273

X9

-0,123614 0,028613 -0,165014 -0,478027 -0,073028 0,234477 0,471753 0,251187 1,000000 -0,427857 0,485702 0,497689

X10

-0,287403 0,029745 0,421980 0,391855 0,011143 -0,350485 -0,308995 -0,220426 -0,427857 1,000000 -0,371520 -0,389217

X11

0,299457 -0,022856 0,052113 -0,400706 -0,120900 0,347260 0,869535 0,346619 0,485702 -0,371520 1,000000 0,994650

X12

0,265119 -0,072362 0,008437 -0,407549 -0,120449 0,297729 0,860528 0,303273 0,497689 -0,389217 0,994650 1,000000

123

Tab. 26 Váhy (vlastní zpracování)

X1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12

X2 X3 X4 X5 X6 X7 1

0 0 0 1 0 1 0,5 0 0 0 0,5

1 1 0 1 1 0 1 0 1 0

1 0 1 0 0 0 0 1 1 1 0

1 0 0 1 1 0 1 0 1 1 0

0 1 1 0 1 1 0 0 0 1 0

1 0 1 0 0 1 1 0 1 1 0

0 0 1 1 0 0 0 0 0 0,5 0

X8 0,5 1 1 0 1 0 1 1 1 1 0,5

X9 X10 X11 X12 1 0 0 1 1 1 1 0 0 1 0

1 1 0 0 1 0 1 0 1 1 0

1 0 0 0 0 0 0,5 0 0 0 0

0,5 1 1 1 1 1 1 0,5 1 1 1

Váhy 0,1212 0,0606 0,0909 0,0758 0,0909 0,0758 0,1288 0,0455 0,0758 0,0758 0,1439 0,0152

124

Tab. 27 Standardizace (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování)

Země Burundi Džibutsko Eritrea Etiopie Keňa Madagaskar Malawi Mozambik Rwanda Tanzanie Uganda

U1 0 100 29,11 28,82 74,09 41,35 30,88 40,71 50,76 51,34 48,78

U2 0 100 70,22 46,84 37,57 82,08 49,62 78,39 60,33 69,01 71,28

U3 0 63,42 14,61 5,04 56,96 61,12 100 92,68 6,45 42,77 26,63

U4 33,13 40,74 0 91,15 100 86,83 55,35 73,87 83,54 61,32 83,13

U5 23,35 77,81 84,09 83,64 69,57 100 27,53 0 88,46 66,46 54,52

U6 0,31 7,36 100 60,12 60,74 87,12 55,52 0 81,90 89,88 59,82

U7 76,00 100 4,00 14,00 36,00 4,00 82,00 14,00 96,00 0 46,00

U8 9,52 100 19,05 4,76 57,14 66,67 4,76 9,52 4,76 0 52,38

U9 100 79,07 82,62 0 27,88 74,52 47,98 57,52 87,20 15,21 71,35

U10 12,75 0 15,52 65,83 28,00 93,21 100 36,97 22,65 50,85 37,00

U11 62,45 100 32,31 0 30,35 1,75 75,33 1,53 50,66 17,69 56,99

U12 29,96 0 59,55 100 61,71 97,50 18,96 97,81 40,82 76,46 34,89

125

Tab. 28 Vážené standardizované hodnoty (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování)

Země Burundi Džibutsko Eritrea Etiopie Keňa Madagaskar Malawi Mozambik Rwanda Tanzanie Uganda

U1*w1 0 12,12 3,53 3,49 8,98 5,01 3,74 4,93 6,15 6,22 5,91

U2*w2 0 6,06 4,26 2,84 2,28 4,97 3,01 4,75 3,66 4,18 4,32

U3*w3 0 5,76 1,33 0,46 5,18 5,56 9,09 8,42 0,59 3,89 2,42

U4*w4 2,51 3,09 0 6,91 7,58 6,58 4,20 5,60 6,33 4,65 6,30

U5*w5 2,12 7,07 7,64 7,60 6,32 9,09 2,50 0 8,04 6,04 4,96

U6*w6 0,02 0,56 7,58 4,56 4,60 6,60 4,21 0 6,21 6,81 4,53

U7*w7 9,79 12,88 0,52 1,80 4,64 0,52 10,56 1,80 12,36 0 5,92

U8*w8 0,43 4,55 0,87 0,22 2,60 3,03 0,22 0,43 0,22 0 2,38

U9*w9 7,58 5,99 6,26 0 2,11 5,65 3,64 4,36 6,61 1,15 5,41

U10*w10 U11*w11 U12*w12 0,97 8,99 0,46 0 14,39 0 1,18 4,65 0,91 4,99 0 1,52 2,12 4,37 0,94 7,07 0,25 1,48 7,58 10,84 0,29 2,80 0,22 1,49 1,72 7,29 0,62 3,85 2,54 1,16 2,80 8,20 0,53

126

Tab. 29 Hodnoty kompozitního indikátoru udržitelného rozvoje a jednotlivých pilířů (zdroj: WB, 2009a–h; IEF, 2009; Index Mundi, 2009; vlastní zpracování)

Země Udržitelný Ekonomický Sociální Džibutsko 72,48 27,03 25,06 Malawi 59,87 20,03 17,49 Rwanda 59,79 16,73 26,83 Madagaskar 55,81 22,12 19,24 Uganda 53,70 18,95 17,80 Keňa 51,72 24,01 18,16 Tanzanie 40,51 18,94 12,85 Eritrea 38,71 9,11 16,61 Mozambik 34,81 23,71 2,24 Etiopie 34,39 13,70 14,18 Burundi 32,87 2,51 12,37

Environmentální 20,38 22,34 16,24 14,45 16,94 9,54 8,71 12,99 8,87 6,51 17,99

127

Příloha 15 Kompozitní indikátor – rok 2007 Tab. 30 Původní data (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování)

Země

HDP

162,83 Burundi 1061,64 Džibutsko 252,98 Eritrea 236,10 Etiopie 721,46 Keňa Madagaskar 379,07 266,00 Malawi 362,43 Mozambik 376,52 Rwanda 421,30 Tanzanie 387,78 Uganda

Přímé Obchod Svoboda zahraniční se podnikání investice zbožím 0,04 23,04 0,55 1,17 2,68 10,53 3,41 5,19 1,80 3,46 6,65

27,87 62,66 39,70 36,23 47,99 52,74 61,58 67,97 25,34 44,43 40,53

49,60 38,30 18,00 59,40 64,50 51,20 54,40 48,20 51,00 45,80 57,50

Naděje Přístup k dožití Dětská Lékaři/1000 Zemědělská Produkce Přístup Emise sanitárním při úmrtnost obyvatel půda obilovin k vodě CO2 zařízením narození 51,02 58,80 59,64 58,65 56,59 62,05 50,86 48,23 58,65 55,99 54,72

78,30 74,90 44,00 61,30 57,40 48,90 63,40 80,50 55,00 50,00 60,40

48,00 61,00 13,00 16,00 28,00 12,00 50,00 17,00 56,00 11,00 34,00

0,02 0,21 0,04 0,02 0,12 0,14 0,02 0,03 0,02 0,01 0,11

86,45 73,40 74,97 34,22 47,62 70,32 52,77 62,37 72,96 40,25 67,87

30,55 0,02 77,87 136,88 86,00 185,65 222,55 76,87 31,99 136,19 74,89

73,50 89,10 60,10 41,70 57,70 44,20 76,00 44,90 68,20 53,70 68,30

24,80 581,30 120,70 76,10 262,30 95,60 70,10 109,60 57,40 149,80 103,10

128

Tab. 31 Základní charakteristiky – původní data (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování programem STATISTICA) Proměnná Průměr

Medián

Minimum Maximum Rozptyl

Sm.odch. Šikmost Špičatost

X1

420,74

376,52

162,83

1061,64

66206,05

257,31

1,85

3,52

X2

5,32

3,41

0,04

23,04

43,74

6,61

2,24

5,53

X3

46,10

44,43

25,34

67,97

197,51

14,05

0,12

-1,01

X4

48,90

51,00

18,00

64,50

154,53

12,43

-1,59

3,53

X5

55,93

56,59

48,23

62,05

18,51

4,30

-0,55

-0,68

X6

61,28

60,40

44,00

80,50

148,35

12,18

0,39

-0,96

X7

31,45

28,00

11,00

61,00

369,67

19,23

0,39

-1,68

X8

0,07

0,03

0,01

0,21

0,00

0,07

1,16

0,32

X9

62,11

67,87

34,22

86,45

265,69

16,30

-0,45

-0,79

X10

96,32

77,87

0,02

222,55

4617,20

67,95

0,54

-0,34

X11

61,58

60,10

41,70

89,10

225,12

15,00

0,28

-0,66

X12

150,07

103,10

24,80

581,30

24237,56

155,68

2,51

6,80

129

Tab. 32 Data po transformaci (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování)

Země Burundi Džibutsko Eritrea Etiopie Keňa Madagaskar Malawi Mozambik Rwanda Tanzanie Uganda

X1 2,21 3,03 2,40 2,37 2,86 2,58 2,42 2,56 2,58 2,62 2,59

X2 -1,43 1,36 -0,26 0,07 0,43 1,02 0,53 0,71 0,25 0,54 0,82

X3 27,87 62,66 39,70 36,23 47,99 52,74 61,58 67,97 25,34 44,43 40,53

X4 49,60 38,30 18,00 59,40 64,50 51,20 54,40 48,20 51,00 45,80 57,50

X5 51,02 58,80 59,64 58,65 56,59 62,05 50,86 48,23 58,65 55,99 54,72

X6 78,30 74,90 44,00 61,30 57,40 48,90 63,40 80,50 55,00 50,00 60,40

X7 48,00 61,00 13,00 16,00 28,00 12,00 50,00 17,00 56,00 11,00 34,00

X8 0,02 0,21 0,04 0,02 0,12 0,14 0,02 0,03 0,02 0,01 0,11

X9 86,45 73,40 74,97 34,22 47,62 70,32 52,77 62,37 72,96 40,25 67,87

X10 30,55 0,02 77,87 136,88 86,00 185,65 222,55 76,87 31,99 136,19 74,89

X11 73,50 89,10 60,10 41,70 57,70 44,20 76,00 44,90 68,20 53,70 68,30

X12 1,39 2,76 2,08 1,88 2,42 1,98 1,85 2,04 1,76 2,18 2,01

130

Tab. 33 Korelační matice – transformovaná data (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování programem STATISTICA)

Proměnná

X1

X2

X3

X4

X5

X6

X7

X8

X9

X10

X11

X12

X1

1,000000 0,757894 0,469222 0,061757 0,305642 0,021213 0,208109 0,771098 -0,108772 -0,287637 0,265211 0,910754

X2

0,757894 1,000000 0,672851 0,116208 0,256808 -0,100927 -0,029090 0,610028 -0,260478 0,194430 -0,011240 0,720868

X3

0,469222 0,672851 1,000000 -0,037689 -0,278237 0,317407 -0,072557 0,398462 -0,173095 0,294584 0,008565 0,565923

X4

0,061757 0,116208 -0,037689 1,000000 -0,229503 0,214735 0,107402 0,000241 -0,449839 0,269938 -0,192892 -0,173365

X5

0,305642 0,256808 -0,278237 -0,229503 1,000000 -0,690924 -0,179448 0,429552 -0,011711 -0,002832 -0,129060 0,336414

X6

0,021213 -0,100927 0,317407 0,214735 -0,690924 1,000000 0,466607 0,072945 0,230926 -0,399994 0,319833 -0,063442

X7

0,208109 -0,029090 -0,072557 0,107402 -0,179448 0,466607 1,000000 0,222195 0,437602 -0,440042 0,882450 -0,015978

X8

0,771098 0,610028 0,398462 0,000241 0,429552 0,072945 0,222195 1,000000 0,245947 -0,253332 0,323428 0,717503

X9

-0,108772 -0,260478 -0,173095 -0,449839 -0,011711 0,230926 0,437602 0,245947 1,000000 -0,546318 0,487993 -0,223941

X10

-0,287637 0,194430 0,294584 0,269938 -0,002832 -0,399994 -0,440042 -0,253332 -0,546318 1,000000 -0,437962 -0,183941

X11

0,265211 -0,011240 0,008565 -0,192892 -0,129060 0,319833 0,882450 0,323428 0,487993 -0,437962 1,000000 0,169444

X12

0,910754 0,720868 0,565923 -0,173365 0,336414 -0,063442 -0,015978 0,717503 -0,223941 -0,183941 0,169444 1,000000

131

Tab. 34 Váhy (vlastní zpracování)

X1 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12

0 0 0 1 0 1 0,5 0 0 0 0,5

X2

X3

X4

X5

X6

X7

X8

X9

X10

X11

X12

Váhy

1

1 0

1 0 0

0 1 1 0

1 0 1 0 0

0 0 1 1 0 0

0,5 1 1 0 1 0 1

1 0 0 1 1 1 1 0

1 1 0 0 1 0 1 0 1

1 0 0 0 0 0 0,5 0 0 0

0,5 1 1 1 1 1 1 0,5 1 1 1

0,1212 0,0606 0,0909 0,0758 0,0909 0,0758 0,1288 0,0455 0,0758 0,0758 0,1439 0,0152

1 1 0 1 1 0 1 0 1 0

1 0 0 0 0 1 1 1 0

1 1 0 1 0 1 1 0

1 1 0 0 0 1 0

1 1 0 1 1 0

0 0 0 0,5 0

1 1 1 0,5

0 1 0

1 0

0

132

Tab. 35 Standardizace po transformaci (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování)

Země Burundi Džibutsko Eritrea Etiopie Keňa Madagaskar Malawi Mozambik Rwanda Tanzanie Uganda

U1 0 100 23,50 19,82 79,40 45,07 26,18 42,68 44,71 50,70 46,28

U2 0 100 41,88 53,69 66,56 87,84 70,32 76,83 60,36 70,53 80,69

U3 5,93 87,54 33,68 25,54 53,12 64,28 85,01 100 0 44,79 35,64

U4 67,96 43,66 0 89,03 100 71,40 78,28 64,95 70,97 59,78 84,95

U5 20,19 76,49 82,54 75,43 60,51 100 19,04 0 75,39 56,13 46,94

U6 0,06 0,15 1 0,53 0,63 0,87 0,47 0 0,70 0,84 0,55

U7 74,00 100 4,00 10,00 34,00 2,00 78,00 12,00 90,00 0 46,00

U8 5,00 100 15,00 5,00 55,00 65,00 5,00 10,00 5,00 0 50,00

U9 100 75,01 78,02 0 25,65 69,12 35,52 53,91 74,18 11,54 64,44

U10 13,72 0 34,99 61,50 38,64 83,42 100 34,54 14,37 61,19 33,65

U11 67,09 100 38,82 0,00 33,76 5,27 72,36 6,75 55,91 25,32 56,12

U12 100 0 49,83 64,46 25,23 57,22 67,06 52,89 73,39 42,99 54,83

133

Tab. 36 Vážené standardizované hodnoty rok 2009 (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování)

Země U1*w1 Burundi 0 Džibutsko 12,12 Eritrea 2,85 Etiopie 2,40 Keňa 9,62 Madagaskar 5,46 Malawi 3,17 Mozambik 5,17 Rwanda 5,42 Tanzanie 6,15 Uganda 5,61

U2*w2 0 6,06 2,54 3,25 4,03 5,32 4,26 4,66 3,66 4,27 4,89

U3*w3 0,54 7,96 3,06 2,32 4,83 5,84 7,73 9,09 0 4,07 3,24

U4*w4 5,15 3,31 0 6,75 7,58 5,41 5,93 4,92 5,38 4,53 6,44

U5*w5 1,84 6,95 7,50 6,86 5,50 9,09 1,73 0 6,85 5,10 4,27

U6*w6 0 0,01 0,08 0,04 0,05 0,07 0,04 0 0,05 0,06 0,04

U7*w7 9,53 12,88 0,52 1,29 4,38 0,26 10,05 1,55 11,59 0 5,92

U8*w8 0,23 4,55 0,68 0,23 2,50 2,96 0,23 0,46 0,23 0 2,28

U9*w9 7,58 5,69 5,91 0 1,94 5,24 2,69 4,09 5,62 0,87 4,88

U10*w10 U11*w11 U12*w12 1,04 9,65 1,52 0 14,39 0 2,65 5,59 0,76 4,66 0 0,98 2,93 4,86 0,38 6,32 0,76 0,87 7,58 10,41 1,02 2,62 0,97 0,80 1,09 8,05 1,12 4,64 3,64 0,65 2,55 8,08 0,83

134

Tab. 37 Hodnoty kompozitního indikátoru udržitelného rozvoje a jednotlivých pilíř§ rok 2007 (zdroj: WB, 2007a–h; IEF, 2007; Index Mundi, 2007; vlastní zpracování)

Pořadí 1 2 3 4 5 6 7 8 9 10 11

Země Džibutsko Malawi Rwanda Uganda Keňa Madagaskar Burundi Mozambik Tanzanie Eritrea Etiopie

Udržitelný 73,92 54,84 49,05 49,03 48,61 47,60 37,08 34,32 34,00 32,13 28,78

Ekonomický 29,45 21,10 14,46 20,18 26,06 22,04 5,69 23,84 19,02 8,45 14,73

Sociální 24,39 12,04 18,73 12,51 12,43 12,37 11,60 2,00 5,17 8,78 8,41

Environmentální 127,76 87,98 82,24 81,72 87,10 82,01 54,37 60,16 58,19 49,36 51,92

135

Příloha č. 16 Kompozitní indikátor – rok 2007, 2009, 2011 Tab. 38 Kompozitní indikátor udržitelného rozvoje za rok 2007, 2009 a 2011 (zdroj: WB, 2007a–h; WB, 2009a–h; WB 2011a–h, IEF, 2007; IEF, 2009; IEF, 2011; Index Mundi, 2007; Index Mundi, 2009; Index Mundi, 2011; vlastní zpracování)

Pořadí 1 2 3 4 5 6 7 8 9 10 11

Země Džibutsko Malawi Rwanda Uganda Keňa Madagaskar Burundi Mozambik Tanzanie Eritrea Etiopie

2007 73,92 54,84 49,05 49,03 48,61 47,60 37,08 34,32 34,00 32,13 28,78

2009 ∆ 72,48 ∆ 59,87 ∆ 59,79 ∆ 53,70 ∆ 51,72 ∆ 55,81 ∇ 32,87 ∆ 34,81 ∆ 40,51 ∆ 38,71 ∆ 34,39

2011 ∇ 66,85 ∇ 58,60 ∆ 61,57 ∇ 51,83 ∇ 49,79 ∇ 48,96 ∆ 34,23 ∆ 37,05 ∆ 41,59 = 38,71 ∆ 35,34

136

Tab. 39 Kompozitní indikátor udržitelného rozvoje vybraných zemí východní Afriky za rok 2007, 2009 a 2011 80,00 70,00 60,00 50,00 40,00

2007

30,00

2009

20,00

2011

10,00 0,00

Džibutsko

Malawi

Rwanda

Uganda

Keňa

Madagaskar

Burundi

Mozambik

Tanzanie

Eritrea

Etiopie

2007

73,92

54,84

49,05

49,03

48,61

47,60

37,08

34,32

34,00

32,13

28,78

2009

72,48

59,87

59,79

53,70

51,72

55,81

32,87

34,81

40,51

38,71

34,39

2011

66,85

58,60

61,57

51,83

49,79

48,96

34,23

37,05

41,59

38,71

35,34

137

Obr. 32 Kompozitní indikátor udržitelného rozvoje rok 2007

138

Obr. 33 Kompozitní indikátor udržitelného rozvoje rok 2009

139

Obr. 34 Kompozitní indikátor udržitelného rozvoje rok 2011

140