Univerzita Karlova v Praze Centrum pro otázky životního prostředí U Kříže Praha 5 ředitel: prof. RNDr. Bedřich Moldan, CSc

Univerzita Karlova v Praze Centrum pro otázky životního prostředí U Kříže 8 158 00 Praha 5 ředitel: prof. RNDr. Bedřich Moldan, CSc.

Závěrečná zpráva z projektu MD 24/2006-430-OPI/3 z OP „Infrastruktura“ – Priorita 2 (2.4) Analýza každodenního dopravního chování dospělého městského obyvatelstva a nástroje regulace dopravy

Řešitelé projektu: Hana Brůhová-Foltýnová Markéta Braun Kohlová Jan Brůha Vojtěch Máca Jan Urban

Praha, září 2008

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR

Poděkování Rádi bychom na tomto místě poděkovali všem, kteří při řešení tohoto výzkumného projektu spolupracovali či přispěli do kritické diskuse o použitých metodách a získaných výsledcích. Jedná se především o pracovníky magistrátů měst Hradce Králové, Pardubic a Plzně, kteří přispěli svými znalostmi místních podmínek i pomocí s organizací přípravných prací na terénním sociologickém výzkumu dopravního chování; o pracovníky městských úřadů a dopravních podniků dalších českých a moravských měst, kteří poskytli data pro tvorbu databáze výzkumů dopravního chování a data k analýze nákladů a přínosů. Dále děkujeme účastníkům expertního semináře „Dopravní chování a poptávka po dopravě“ konaného dne 13. 4. 2007 na půdě Centra pro otázky životního prostředí Univerzity Karlovy v Praze a dalším kolegům z oboru doma i v zahraničí, jejichž četné připomínky byly využity k zlepšení použitých metod, při provedení výzkumu i vyhodnocení získaných výsledků. V neposlední řadě děkujeme kolegům, kteří poskytli tomuto výzkumnému projektu organizační a administrativní podporu, jmenovitě Markétě Sychrovské, Haně Škopkové a Jiřímu Dlouhému. Tento projekt mohl být realizován díky spolufinancování z prostředků Evropského fondu regionálního rozvoje v rámci aktivity 2, opatření 2.4 Operačního programu Infrastruktura a z prostředků rozpočtové kapitoly Ministerstva dopravy České republiky. Naše poděkování za trpělivou a vstřícnou podporu při řízení tohoto projektu patří pracovníkům zprostředkujícího subjektu operačního programu a především projektovému managerovi Radku Janošíkovi.

2


OBSAH 1. Sociologický výzkum dopravního chování a determinant volby dopravních prostředků 1.1 Rešerše studií dopravního chování ............................................................................... 7 1.1.1 Teorie racionální volby a její užití napříč obory.................................................... 8 1.1.2 Teorie plánovaného chování (Theory of Planned Behavior, TPB) a hypotéza nízkých nákladů (Low cost hypothesis) ........................................................................ 14 1.1.3 Activity based approach....................................................................................... 17 1.1.4 Emocionální a symbolický aspekt dopravního chování....................................... 20 1.1.5 Sociologie mobilit................................................................................................ 23 1.1.6 Závěr .................................................................................................................... 24 Literatura....................................................................................................................... 26 1.2 Sběr existujících dat o dopravním chování................................................................. 30 Příloha I: Seznam průzkumů dopravního chování........................................................ 32 1.3 Metaanalýza studií dopravního chování ..................................................................... 33 1.3.1 Cíl a obecný postup meta-analýzy ....................................................................... 33 1.3.2 Postup................................................................................................................... 33 1.3.3 Výsledky .............................................................................................................. 38 1.3.4 Vliv použitých metod........................................................................................... 42 1.3.5 Závěr .................................................................................................................... 43 Literatura....................................................................................................................... 44 Příloha I: Databáze výsledků primárních studií............................................................ 46 1.4 Kvalitativní předvýzkum včetně analýzy reakcí na dopravní změny ......................... 47 1.4.1 Cíle předvýzkumu................................................................................................ 48 1.4.2 Metodologie předvýzkumu a uspořádání šetření ................................................. 50 1.4.3 Výsledky předvýzkumu – vlna 1 ......................................................................... 50 1.4.4 Vlna 2 – význam dopravní dostupnosti při volbě bydliště – analýza dlouhodobých rozhodnutí ............................................................................................. 56 1.4.5 Další zjištění......................................................................................................... 64 Literatura....................................................................................................................... 66 Přílohy........................................................................................................................... 67 1.5 Tvorba teoretického modelu chování.......................................................................... 68 Literatura:...................................................................................................................... 72 1.6 Kvantitativní sociologické šetření............................................................................... 73 1.6.1 Cíle výzkumného projektu a téma šetření............................................................ 73 1.6.2 Uspořádání šetření ............................................................................................... 74 1.6.3 Termín a dny sběru dat ........................................................................................ 75 Příloha I: Dotazník........................................................................................................ 81 1.7 Výsledky sociologického šetření ................................................................................ 82 1.7.1 socioekonomické charakteristiky......................................................................... 82 3


1.7.2 Vybavenost statky dlouhodobé spotřeby související s dopravním chování respondentů ................................................................................................................... 85 1.7.3 Infrastrukturní charakteristiky ............................................................................. 90 1.7.4 Deskripce cestovního chování – experimentální zjišťování ................................ 91 1.7.5 Model volby dopravního prostředku.................................................................. 101 1.7.6 Reakce na dopravní opatření.............................................................................. 112 1.7.7 Závěr .................................................................................................................. 121 1.7.8 Doporučení......................................................................................................... 122 2. Ekonomická analýza nástrojů regulace dopravy z hlediska jejich ekonomické efektivity a dopadů na životní prostředí 2.1 Rešerše literatury a sběr dat ...................................................................................... 126 2.1.1 Analýza dopadů cenových změn na dopravní chování...................................... 128 2.1.2 Ekonomický přístup k analýze hromadné dopravy............................................ 145 2.1.3 Externí náklady z dopravy a jejich kvantifikace................................................ 151 2.1.4 Teorie optimálního zdanění ............................................................................... 170 Literatura..................................................................................................................... 177 2.2 Data pro ekonomickou analýzu ................................................................................ 184 2.3 Přehled nástrojů regulace dopravního chování ......................................................... 187 2.3.1 Klasifikace ekonomických nástrojů................................................................... 188 2.3.2 Popis jednotlivých nástrojů................................................................................ 189 2.3.3 Přehled hlavních dopadů jednotlivých nástrojů regulace .................................. 206 2.3.4 Legislativní ukotvení jednotlivých nástrojů....................................................... 213 2.3.5 Výzkum ekonomických nástrojů v EU .............................................................. 232 2.3.6 Shrnutí................................................................................................................ 235 Literatura..................................................................................................................... 235 Příloha: Seznam evropských projektů zaměřených na regulaci dopravy ................... 238 2.4 Vytvoření a empirická verifikace ekonomického modelu dopravního chování ....... 239 2.4.1 Simulační modely – výsledky ze zahraniční literatury ...................................... 240 2.4.2 Simulační model pro města v ČR ...................................................................... 244 2.4.3 Výsledky simulací pro města ČR....................................................................... 249 Literatura..................................................................................................................... 249 2.5 Aplikace dosažených výsledků na vybraná města – analýza nákladů a výnosů (CBA) ......................................................................................................................................... 252 2.5.1 Analýza nákladů a přínosů pro vybraná města .................................................. 257 2.5.2 Porovnání efektů jednotlivých scénářů.............................................................. 268 2.5.3 Závěr .................................................................................................................. 272 Literatura..................................................................................................................... 274 3. Formulace doporučení efektivních nástrojů regulace dopravy 3.1 Celkové závěry a doporučení.................................................................................... 276

4


1. Sociologický výzkum dopravního chování a determinant volby dopravních prostředků

Zodpovědná řešitelka: Zpracovali: Markéta Braun Kohlová, Jan Urban

5


Úvodem Sociologický výzkum dopravního chování a determinant volby dopravních prostředků sestával ze sedmi vzájemně provázaných výzkumných aktivit, jejichž cílem bylo zmapovaní současných teoretických poznatků o dopravním chování i dostupných empirických výsledků v zahraničí i České republice (aktivity 1.1, 1.2 a 1.3). Všechny tyto rešeršní aktivity byly provedeny s cílem připravit takové uspořádání empirického šetření (kvalitativního i kvantitativního), které by poskytlo chybějící výsledky o specifické situaci v českých městech. Kromě samotných výsledků přinášejí empirická šetření (aktivity 1.4, 1.6 a 1.7) množství cenných metodologických zjištění o výzkumu dopravního chování a způsobech zjišťování determinant volby dopravních prostředků. Jak ukázala provedená meta-analýza (aktivita 1.3) i expertní seminář „Dopravní chování a poptávka po dopravě“ konaný dne 13. 4. 2007 na Univerzitě Karlově v Praze, způsoby zjišťování klíčových proměnných popisujících a vysvětlujících dopravní chování, jejich následná analýza a testování modelů je v českém prostředí charakteristické mnoha nedostatky. Dominantně jsou totiž zjišťovány celkové objemy přepravy, respektive podíl dělby přepravní práce mezi jednotlivými dopravními prostředky, poměrně málo pozornosti je však věnováno identifikaci těch proměnných, které chování jednotlivců podmiňují. Efekt charakteristik jako jsou prostorová struktura území, kvalita a ceny hromadné dopravy, dostupnost parkovacích míst, atd. a socio-ekonomické proměnné je sice v šetřeních zkoumán, použité proměnné však nejsou standardizované a nelze proto výsledky jednotlivých studií porovnat a zobecnit. Právě znalost efektů těchto proměnných a jejich rozdílů v jednotlivých oblastech / městech ČR může vést k tvorbě efektivních a cílených regulačních opatření. Ve snaze zjišťovat a měřit efekt prostorových, infrastrukturních a socioekonomických proměnných na volbu dopravních prostředků spatřujeme hlavní přínos tohoto výzkumného projektu. Zároveň bychom v budoucnu rádi dále iniciovali diskusi o dostupných typech šetření dopravního chování, které mohou především zástupcům měst a jiných územních celků poskytnout data snadněji využitelná při tvorbě místních dopravních politik.

6


1.1 Rešerše studií dopravního chování Úvod Především od 70. let 20. století kontinuálně narůstá zájem teoretiků o problematiku dopravy. V dopravním inženýrství a ekonomii je tento zájem soustředěn primárně na poptávku po dopravě, respektive jednotlivých typech dopravy, v ekonomii, sociologii a sociální psychologii je ústřední otázkou výzkumu chování jednotlivců a jejich rozhodování o okolnostech cestování a cest, které vykonávají. Tento teoretický zájem je veden paralelní snahou dopravní politiky řídit a zabezpečovat průběh dopravy a regulovat poptávku po dopravě. V posledních letech je tato snaha obsažena v hledání takových opatření, která mohou ovlivnit nebo změnit chování jednotlivců a celé populace a minimalizovat tak negativní dopady stále rostoucího objemu dopravy. Hovoříme-li v této zprávě o dopravním nebo cestovním chování, máme na mysli způsob, jakým se jednotlivci a domácnosti přemísťují z místa na místo za účelem výkonu nějaké soukromé aktivity. Pro účely tohoto přehledu zcela vynecháváme dopravu nákladní a rozhodování ekonomických subjektů o dopravě zboží či hromadné dopravě osob. Rešerše sestává z přehledu nejvýznamnějších přístupů k vysvětlení a modelování individuálního dopravního chování, které se uplatňují v současné odborné diskusi v rámci společensko-vědních oborů, dopravního inženýrství a zčásti i územního plánování. V přehledu věnujeme primární pozornost současnému stavu poznání. Historické okolnosti vzniku a vývoje jednotlivých přístupů uvádíme spíše s cílem poukázat např. na dočasná omezení některých metod daná technickými možnostmi statistických programů či geografických informačních technologií nebo naopak na podmíněnost směřování výzkumu společenskými a politickými prioritami. V přehledu postupujeme následovně: 1. vyložíme přístup ke zkoumání dopravního chování (travel behavior), který se v duchu metodologického individualismu a teorie racionální volby uplatňuje od druhé poloviny 20. století převážně v neoklasické ekonomii, dopravním inženýrství a sociální a ekonomické geografii, 2. představíme teorii plánovaného chování, vlivnou sociálně-psychologickou teorii chování využívanou v případových studiích změny dopravního chování a hypotézu nízkých nákladů, která je jednou z mála sociologických aplikací teorie racionální volby na problém dopravního chování, 3. porovnáme přístup založený na činnosti s předchozími přístupy vycházejícími z analýzy cesty, 4. představíme sociologické přístupy akcentující v dopravním chování význam emocionálních a symbolických významů a 5. doplníme předcházející o prognózu budoucího vývoje dopravního chování na základě reflexe v sociologii mobilit. Na závěr se pokusíme shrnout rozdíly ve vyložených přístupech a naznačit, jaké výhody může přinést jejich případná kombinace z hlediska teoretického i metodologického.

7


1.1.1 TEORIE RACIONÁLNÍ VOLBY A JEJÍ UŽITÍ NAPŘÍČ OBORY Jádrem teoretických úvah o dopravním chování je snaha izolovat elementární prvky rozhodovacího procesu, které činí jednotlivci o cestách a cestování, a vztahy mezi nimi za účelem operacionalizace1 a následného sběru empirických dat, na základě kterých je teorie ověřena a dále upravována. Teoretické modely pak mohou sloužit k predikci budoucího objemu a struktury dopravy, která vzniká jako agregát individuálních vzorců chování a návrhu opatření, která na základě znalostí individuálních reakcí na změnu, mohou agregát ovlivnit. Formálně rozklad na elementární prvky dopravního chování představuje celou sadu tzv. diskrétních voleb,2 které jedinec uskuteční před cestou a v jejím průběhu. Tento přístup se tedy primárně zaměřuje na výklad chování individua, problematika agregované poptávky po dopravě v určitém regionu nebo aglomeraci je sekundární nebo zcela ponechána stranou.3 K upřednostňování teoretického zájmu o individuální chování nebo individuální poptávku existují v současné době dva typy důvodů: 1) věcné nebo obsahové a 2) empirické. „Predikce poptávky po dopravě byla dlouhou dobu doménou dopravních inženýrů, kteří v průběhu let nashromáždili značné empirické poznání a celý repertoár ad hoc modelů, které se osvědčily při různých aplikacích“ [McFadden 1974]. Nejčastěji se jednalo o specifickou predikci s cílem poskytnout odhad objemu dopravy při budování velkých infrastrukturních projektů. Zde bylo cílem především uspořádat prostor tak, aby to vyhovovalo existující nebo budoucí dopravě [Hensher&Button 2000]. Také proto byl příspěvek psychologů a ekonomů k metodologii predikcí až do 70. let 20. století velmi omezený [McFadden 1974]. V posledních letech se však do popředí dopravního modelování dostává snaha ovlivnit dopravní chování. Dopravní politika věnuje stále větší pozornost managementu dopravy před pouhým vytvářením prostoru dopravě. Porozumění dopravnímu rozhodování je ve středu zájmu s cílem navrhnout aktivní regulační opatření, spíše než budovat silnice, dálnice a infrastrukturu [Hensher and Button 2000]. Rozdíl v obou přístupech k dopravním problémům a s tím související formulací výzkumných otázek a vzniku teoretických přístupů zobrazuje následující tabulka (oba uvedené teoretické přístupy jsou rozebrány dále v textu).

1

Operacionalizací se rozumí transformace teoretického konceptu do podoby proměnných, jejichž hodnoty lze u zkoumané populace změřit. 2 V ekonomii diskrétní volba zahrnuje volbu mezi dvěma či více nespojitými alternativami typu vstoupit/nevstoupit na pracovní trh nebo vybrat mezi jednotlivými dopravními prostředky. Tyto volby jsou v kontrastu se standardními spotřebitelskými modely, které předpokládají, že množství zboží, které jedinci spotřebovávají, je spojitá proměnná. V případě spojitých proměnných může být k odvození teoretického optima a poptávky použito modelu regresní analýzy. K modelování diskrétní volby se zpravidla používají modely logit a probit. Teoretické základy pro analýzu diskrétní volby položil Daniel McFadden. 3 Z individuální volby dopravního prostředku lze získat agregovaný modal split, pokud máme k dispozici vzorek reprezentativní na cílovou populaci. Otázkou agregace se zabývá např. Bates [2000].

8


Tabulka 1.1.1: Obsahový posun výzkumu v oblasti dopravy 70. LÉTA 20. STOL.

SOUČASNOST

PRIORITY:

Vytvořit prostor dopravě /accomodate transport/

Řídit dopravu /managing transport/

NÁSTROJE:

Stavby velkých infrastrukturních projektů

Regulační politika

VÝZKUMNÉ PROBLÉMY:

Odhad poptávky

Porozumění a vysvětlení dopravního / cestovního chování

TEORETICKÉ PŘÍSTUPY:

Přístup založený na cestě /trip-based approach = TBA/

Přístup založený na činnosti /aktivitybased approach = ABA/

Zdroj: upraveno na základě Hensher and Button [2000] a McNally [2000].

McFadden [1974] uvádí, že k zájmu o individuální dopravní chování jsou i empirické důvody. Poptávka po dopravě (travel demand) v podobě, v jaké se jí nejčastěji věnují dopravní inženýři, je „výsledkem agregace celé populace, jejíž každý člen činí individuální rozhodnutí o cestování (travel decision) na základě svých osobních potřeb a prostředí. Tato individuální rozhodnutí jsou komplexem zahrnujícím účel cesty, frekvenci, načasování (timing), destinaci a zvolený dopravní prostředek (travel mode). Nejbohatší příspěvek k poznání determinant každodenního cestovního/dopravního chování, alespoň měřeno množstvím studií, nepochybně pochází z oblasti dopravního inženýrství a neoklasické ekonomie, které se této problematice věnují již od 50. let 20. století. Předmět empirického zájmu je zpravidla ještě přesněji vymezen jako „volba dopravního prostředku“, „volba trasy“, „volba času cesty“, „vlastnictví auta“ atd. Empirické studie v těchto oborech vycházejí při studiu chování z metodologického individualismu a přijímají předpoklady teorie racionální volby. Cestující je chápán jako racionální aktér, který se vědomě podle svých preferencí rozhoduje mezi alespoň dvěma alternativami. Aktér má k dispozici nějaké zdroje (příjem) a jedná podle daných omezení (dostupného času, jednotkových nákladů na cestu) a v rozhodnutích sleduje určité rozhodovací pravidlo. Toto pravidlo popisuje, jakou variantu aktér zvolí. Zpravidla je tímto pravidlem maximalizace očekávaného užitku [Schoemaker 1982 in Diekmann a Preisendörfer 2001]. Teorie racionální volby dále předpokládá, že lidé systematicky využívají informace, které jsou jim k dispozici, a uvažují o důsledcích svého jednání dříve, než začnou jednat. Prakticky je výzkumné úsilí v duchu teorie racionální volby [McFadden 1974, Ortuzar a Willumsen 1994, Bates 2000 atd.] vedeno snahou izolovat elementární prvky rozhodovacího procesu, které činí jednotlivci o cestách a cestování, a popsat vztahy mezi nimi [Hensher and Button, 2000]. S cílem získat univerzální výsledky autoři nezbytně rezignují na komplexní popis a vysvětlení struktury dopravního chování jednotlivců. Na druhou stranu jsou elementární prvky rozhodovacího procesu izolovány za účelem

9


operacionalizace a následného sběru empirických dat, s cílem ověření teorie volby, jejího upravení4 či predikce. 5 Podle teorie racionální volby jsou individuální rozhodnutí o cestování (kam, kdy, s kým, jak…) zkoumána na základě osobních potřeb jednotlivce a charakteristik prostředí. Podle McFaddena [1974] by „tyto volby měly být analyzovány v kontextu souběžných voleb vlastnictví auta, umístění domova a aktivity, která je účelem cesty“. „Cesta přitom není chápána jako konečný účel spotřebitele, ale spíše průvodní jev jiných aktivit jako je práce, nakupování nebo rekreace. Proto je přirozené zkoumat poptávku po dopravě v rámci modelů spotřebitelské aktivity.“ 6 Přestože je obecně přijímán teoretický předpoklad simultánního rozhodování o jednotlivých aspektech cesty jako čase, trase, zvoleném dopravním prostředku [McFadden, Talvitie et al. 1977], v empirickém výzkumu je zpravidla testován model obsahující maximálně dvě úrovně voleb [Hensher and Button 2000].7 Výzkumný záběr se může např. omezit pouze na cesty za specifickým účelem (do práce nebo školy) nebo omezené časovým kritériem. V rámci diskuse o negativních dopadech dopravy a případné regulaci se největší pozornosti dostává volbám o: 1) vlastnictví automobilu a 2) volbě dopravního prostředku a 3) počtu kilometrů ujetých autem. Uveďme si podrobněji dva příklady modelovaných diskrétních voleb jednotlivců: i) model volby mezi automobilem a autobusem na cestu do práce a ii) model vlastnictví automobilu. Ad i) V aplikaci modelu diskrétní volby na použití auta nebo autobusu na cesty do práce rozlišuje McFadden [1974] vedle objektivních charakteristik alternativ jako nákladů a cestovní času, který bývá používán jako proxy proměnná pro vzdálenost či dopravní dostupnost, následující typy vysvětlujících proměnných: 1) Proměnné simultánně determinované volbou dopravního prostředku: a. respondent neřídí b. počet automobilů v domácnosti c. vlastnictví automobilu 2) Proměnné socioekonomické, které ovlivňují distribuci „chutí“ (tastes), které chápe jako preference týkající se dojíždění: a. délka bydlení v dané lokalitě 4

Vedle čistě teoretického zájmu o porozumění chování jedinců, slouží testované teoretické modely k predikci budoucího objemu a struktury dopravy, která vzniká jako agregát individuálních vzorců chování, nebo návrhu opatření, která mohou na základě znalostí individuálních reakcí na změnu agregát ovlivnit. 5 Statisticky se při rozkladu na konstitutivní prvky dopravního chování jedná o celou škálu tzv. diskrétních voleb, které jedinec uskuteční před zahájením cesty a v jejím průběhu. Diskrétní volba zahrnuje volby mezi dvěma či více nespojitými alternativami typu auto versus hromadná doprava. Tyto volby jsou v kontrastu se standardními spotřebitelskými modely, které předpokládají, že množství zboží, které jedinci spotřebovávají, je spojitá proměnná. 6 Spotřebitelské aktivity popisuje produkční funkce domácností. McFadden [1974] z oblasti tvorby modelů spotřebitelské aktivity uvádí práce Courata, Grilichese, Beckera a Lancastera. 7 Mikroekonomické modely dopravního chování jsou tak dobrým příkladem rozporu mezi požadavkem na teoretickou adekvátnost odpovídající komplexitě reality a měřitelnost, resp. statistickou významnost empirických výsledků. Výrazně zjednodušené modely jsou v empirických studiích testovány nejen kvůli požadavku na dostatečný počet pozorování pro mnohonásobnou statistickou analýzu, ale především kvůli nezanedbatelným hardwarovým a softwarovým nárokům spojeným s odhadem parametrů diskrétních modelů. Pro řešení modelů diskrétní volby vznikají zpravidla specializované softwary jako např. software BIOGEME [Bierlaire 2003, 2005].

10


b. vlastnictví domu nebo bytu 3) Proměnné týkající se volby místa bydliště – zároveň s volbou dopravního prostředku: a. hustota obyvatelstva v místě b. důležitost bydlení v blízkosti veřejné dopravy c. počet místností a vlastnictví domu či bytu (pouze v omezené míře) 4) Postojové proměnné – buď předpokládá kauzální efekt postojů na preference a chování nebo mohou být postojové proměnné determinovány spolu s volbou dopravního prostředku jinými základními vysvětlujícími faktory: a. rád/a řídí dlouhé vzdálenosti s rodinou b. rozčiluje se v dopravní zácpě c. „řidiči autobusů jsou zdvořilí“ Podle McFaddena [1974] jedinec volby provádí s ohledem na svůj užitek, který mu přináší účast na zvolených aktivitách, resp. deprivaci plynoucí z absence. Volby popsané pomocí výše uvedených proměnných jsou pak spíše spoluurčeny volbou dopravního prostředku, než že by již byly predeterminovány v okamžiku, kdy k volbě dochází. Bates [2000] zase identifikuje proměnné vysvětlující vlastnictví automobilu a podrobněji zkoumá vztah mezi nimi. Zdůrazňuje, „že skutečnost, že je úroveň dostupnosti (accessibility) z jedné lokality do druhé u osob bez auta významně nižší, je důvodem proč vlastnictví auta variuje v závislosti na místě bydliště či zaměstnání“. Užitek z rozdílné dopravní dostupnosti podle něj souvisí s potřebou cestovat, a ta je primárně funkcí struktury domácnosti (tedy počtu dospělých, počtu dětí a pracujících osob). Nicméně teprve na relativních nákladech spojených s pořízením a provozem auta podle Batese závisí, zda je nakonec užitek spojený s rozdílnou mírou dostupnosti transformován do volby pořídit si automobil. Podmínkou vlastnictví auta je navíc vlastnictví řidičského průkazu. Oba navržené modely dokládají, že se empirické studie prováděné v duchu teorie racionální volby nemusí nutně omezovat na zkoumání efektu ekonomických charakteristik volby (jako příjem, náklady jednotlivých alternativ a cestovní čas). Poznatky empirického výzkumu dopravního chování vycházející z teorie racionální volby shrnuje např. Dargay [2006]. Na základě přehledu výsledků bezmála dvou desítek současných evropských i světových empirických studií poukazuje na některé globální faktory na straně jedinců a domácností a jejich rezidenčního prostředí vysvětlující vlastnictví a volbu automobilu (viz. tabulka 1.2 níže). V západní Evropě a USA jsou to především bohatší pracující muži žijící ve velkých domácnostech, kteří vlastní auto, případně více aut a kteří jím více jezdí. Efekt ekonomických podmínek individua (měřen příjmem a relativními rozdíly v nákladech mezi jednotlivými dopravními prostředky) je až na výjimky nejsilnějším prediktorem volby auta i jeho vlastnictví.8 Tabulka 1.1.2: Determinanty vlastnictví automobilu 8

Statisticky významný a pozitivní efekt příjmu byl potvrzen i v případové studii dopravního chování, kterou jsme v roce 2005 realizovali v Plzni [Braun Kohlová, Foltýnová 2005].

11


+ + +

+/−

+

−

+

dostupnost

Hustota osídlení / vzdálenost centra

Rodinný dům

Děti / # počet dětí

Pracujících / # počet pracujících

Velikost domácnosti

− −

USA Nizozemí Španělsko

−#

+ + +

− − +

+ + +

ZEMĚ

−

+ − +

Velikost města

POČET AUTOMOBILŮ Train (1980) Bhat & Koppelman (1993) Asensio et al. (2000) AUTOMOBIL (ano/ne) Dargay (2005a) Simma & Axhausen (2004) Abreu e Silva et al (2006) Giuliano & Dargay (2006) Nolan (2002)

vzdělání

PROMĚNNÉ:

Pohlaví - muž

příjem

NEZÁVISLE

věk

VLASTNICTVÍ AUTOMOBILU

+

+#

+

+

+ + +

+

+0− −# − −

+# + +#

+

EU 14 Rakousko Portugalsko USA/GB Irsko

− + +

−

Poznámka: Plusy označují pozitivní, mínusy negativní efekt na závisle proměnnou. Zdroj: Dargay [2006]

Dargay [2006] také poukazuje na souvislosti mezi vlastnictvím automobilu a mírou jeho využívání a prostorovými charakteristikami území. Data potvrzují, že proměnné jako nízká hustota osídlení, velká vzdálenost bydliště od centra nebo malá velikost sídla mají posilující efekt na využívání auta.9 Tabulka 1.1.3: Determinanty volby automobilu

1

1 1

Fullerton et al (2005) 1 Steg et al (2001) 1 Johansson-Stenman (2002) 1

Dargay & Hanly (2003)

− − +/− +

+ +

+

+/−

+

postoj k životnímu prostředí

velikost města

+

dostupnost

+

+ + + +

+

hustota / blízkost centra

+

rodinný dům

+ +

Děti / # počet dětí

− −

Pracující / # počet pracujících

Abreu e Silva et al (2006)

velikost domácnosti

vzdělání

POČET KILOMETRŮ 1 De Jong (1996)

věk

PROMĚNNÉ:

Feng et al (2005)

+ +

příjem

NEZÁVISLE

Pohlaví - muž

POUŽÍVÁNÍ AUTOMOBILU

+

NL −

+

+

+#

+#

− +

0 −

+/−

+ −

+

+

9

ZEMĚ

Portugal

+ −

−

USA

− −

Japan NL Sweden

−

GB

− −

−

Přestože lze podle Batese [2000] předpokládat, že dopravní dostupnost daná hustotou dopravní sítě a její kvalitou (neboli charakter nabídky) mají vliv na vlastnictví automobilu, nelze potvrzení této hypotézy provést pouze prostřednictvím výše použitých proměnných popisujících „stav urbanizace“. Lepší empirická evidence však podle něj dosud chybí.

12

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR VÝDAJE ZA POHONNÉ HMOTY Asensio et al (2000)

2

+

+

+#

Nolan (2002) + 0 + 0 + DOPRAVNÍ PROSTŘEDEK NA CESTY DO PRÁCE 3 Simma & Axhausen (2004) + 3 Golob & Hensher (1998) ? + +/− − − 3 Dargay (2005b) + 0 +

+

+/−

+

2

− +

−

+

Ireland

−# −#

Spain

+

− −

0 −

−

Austria Australia GB

Poznámka: Plusy označují pozitivní, mínusy negativní efekt na závisle proměnnou. Zdroj: Dargay [2006]

Zajímavé výsledky přináší i pokusy modelovat vlastnictví auta na základě indikátoru užívání auta (např. daného počtem ujetých kilometrů za rok), tedy očekávaného užitku [např. Train 1986, de Jong 1989 a Hensher et al. 1990]. Viz např. následující schéma. Schéma 1.1.1: Struktura tzv. Short-Range-Generalized-Policy (SRGP) Model Struktura tzv. Short-Range-Generalized-Policy (SRGP) Model Vlastnictví automobilu

Volba dopravního prostředku na cesty do práce (primární a sekundární pracující) Frekvence nepracovních cest (nákupy, společenské účely, rekreace)

Distribuce nepracovních cest / volba dopravního prostředku

Obsazenost / využití automobilu Zdroj: McFadden, Talvitie et al. 1977

Bates [2000] však upozorňuje, že tento přístup sice poměrně dobře vysvětluje pozorovanou variabilitu ve vlastnictví automobilu, ale téměř z 50 % selhává při predikcích růstu počtu automobilů v čase. Tvrdí proto, že i když vezmeme v úvahu kontinuální změnu hodnot vysvětlujících proměnných, stále zůstává zčásti nevysvětlený trend směrem k narůstajícímu počtu vlastněných automobilů. Bates odhaduje, že pozorovatelný nárůst vlastnictví automobilů, i v případech, kdy příjem domácnosti neroste, lze připsat nárůstu čistého nepřímého užitku spojeného s vlastnictví automobilu. Uvedené výsledky jsou dokladem výhod a omezení přístupu založeného na předpokladech teorie racionální volby. Empirické studie poskytují statisticky spolehlivé a univerzálně platné odhady velikosti efektu různých socio-demografických, prostorových

13


a ekonomických charakteristik jednotlivců na rozhodnutí související s cestováním. Díky tomu, že se navíc jedná o charakteristiky stabilní a obvykle v populaci známé – v podstatě nejproblematičtější je znalost rozdělení příjmů – je možné parametry modelu využívat k predikci. Pomocí výsledků je také možné porovnávat rozdíly ve společenských trendech a to v prostoru i čase. Tvůrci modelů diskrétní volby [např. Fosgerau a Bierlaire 2007] se také stále častěji vyrovnávají s odhadem pouze průměrných efektů vysvětlujících proměnných v populaci. Parametry zachycující sílu efektu (např. nákladů na jízdu autem ve srovnání s chůzí) na volbu nejsou bodovým odhadem, ale náhodnou proměnnou s popsaným průměrem a rozptylem. Walker a Li [2007] zase usilují o tvorbu modelů, v nichž jsou odhadovány efekty specifické pro latentní třídy osob lišící se životním stylem. Přestože výzkumu dopravního chování vycházejícímu z teorie racionální volby nelze upřít souvislou snahu o obohacení modelů o sociologicky zajímavé charakteristiky jako jsou postoje, životní styly, atd. a zachycení variability vlivu modelovaných objektivních charakteristik cesty jako cestovního času a nákladů v populaci, kvalitativních proměnných je v modelech pouze poskrovnu. Výsledky jsou tak velmi deskriptivní a úsilí o vysvětlení povahy vztahu dopravního chování a životních podmínek nebo situace jednotlivce, resp. domácnosti a kolektivních společenských jevů jako norem v tomto typu výzkumů programově chybí.

1.1.2 TEORIE PLÁNOVANÉHO CHOVÁNÍ (THEORY OF PLANNED BEHAVIOR, TPB) A HYPOTÉZA NÍZKÝCH NÁKLADŮ (LOW COST HYPOTHESIS) Východiska teorie racionální volby se při studiu dopravního chování nevyskytují pouze v mikroekonomickém výzkumu a koncept užitku se zdaleka neredukuje na minimalizaci cestovních nákladů či času. Dokladem toho je současná popularita teorie plánovaného chování, teoretického nástroje využívaného při snaze důkladněji vysvětlit volbu dopravního prostředku a efekty intervence (např. v podobě cenové regulace). Teorie plánovaného chování (dále také TPB) byla v 90. letech formulována Ajzenem [1991] na půdě sociální psychologie právě jako modifikace teorie racionální volby. TPB [Ajzen 1991, 2006] se snaží latentní mechanismy, vedoucí k pozorovanému chování, rozložit do elementárních složek (postojů k chování, sociálních norem, vnímané behaviorální kontroly a intence) a vysvětlit rozdíly v chování variabilitou těchto složek. „Teorie pojímá postoje, chápané jako subjektivní kladné nebo negativní hodnocení určitého chování, jako pouhou jednu ze tří determinant záměru chování (behaviorální intence), který je přímým předstupněm chování. Dalšími determinantami záměru chování jsou sociální normy spojené s chováním a vnímaná kontrola chování.“ [Urban a Braun Kohlová 2007]. Obecný model chování popisovaný teorií plánovaného chování, zobrazuje následující schéma. Schéma 1.1.2: Obecný model chování podle TPB

14


Teorie plánovaného chování

Postoj k chování PREFERENCE UŽITEK

Socialní normy

Intence

Chování

OMEZENÍ

Vnímaná behaviorální kontrola

Vlastní behaviorální kontrola Upraveno: Bamberg&Schmidt, 1998 a Icek Ajzen, 2002

Teorie plánovaného chování tak zčásti překonává nedostatky teorie racionální volby tím, že do modelu chování zahrnuje vliv sociálních norem. Kromě toho také zčásti překonává empirickou propast mezi postoji a chováním.10 Ve studiích volby dopravního prostředku slouží model formulovaný v TPB k i) pochopení voleb v nějaké konkrétní situaci, ii) predikci (změny) intence zvolit pro cestu například automobil na základě postojů k cestě autem, očekávání druhých a vnímané schopnosti jedince danou alternativu zvolit a k iii) predikci chování na základě měření intence, např. úmyslu jet na kole, moderované ještě jednou vnímanou behaviorální kontrolou.11 Bamberg a Schmidt [2001] uvádějí, že rozdíly v intenci jet autem,12 na kole nebo veřejnou dopravou na univerzitu lze vysvětlit na základě rozdílů

10

Všechny popsané složky modelu chování v teorii plánovaného chování jsou latentními proměnnými, které nelze přímo pozorovat. Při empirické aplikace teorie plánovaného chování je tedy vždy třeba teoretické konstrukty operacionalizovat (zpravidla pomocí souhlasu s výroky o kvalitách chování nebo alternativních rozhodnutích, očekávání významných druhých, obtížnosti daného typu chování a úmyslu jednat, měřených na bipolární Lickertově škále). Operacionalizace musí být maximálně specifická a u všech měřených proměnných koherentní z hlediska čtyř kritérii: cíle jednání, činnosti, kontextu a času [Ajzen, 1991]. 11 Bamberg et al. [2003] uvádějí, že „s pomocí teorie plánovaného chování bylo možné vysvětlit 47 % variability volby autobusu při cestě na univerzitu v německém Giessenu.“ V obdobné studii volby dopravního prostředku Bamberg [2006] uvádí, že „postoje, subjektivní normy a vnímaná kontrola nad chováním jsou silnými determinantami intence vysvětlujícími 73 % její variability a že intence a vnímaná kontrola nad chováním jsou jedinými přímými determinantami chování (R2=0,63). Efekt sociální intervence – v podobě dotace jízdného na autobus – byl v této studii zkoumán jako změna ex-ante a ex-post naměřených hodnot jednotlivých latentních konstruktů. 12 Dokonavý vid je zde zcela na místě vzhledem k omezení predikce na behaviorální akty spíše než na dlouhodobé chování.

15


v postojích, subjektivních normách a vnímané behaviorální kontrole týkajících se důležitosti časové efektivity, nákladů, flexibility, pohodlí a stresu.13 V následující tabulce přinášíme ukázku možné operacionalizace konstitutivních složek modelu do podoby otázek, kladených v dotazníku [viz např. Bamberg and Schmidt 1999, 2001]. Tabulka 1.4: Operacionalizace složek modelu plánovaného chování Použití autobusu (na cestu do práce) Postoj k chování: „Až příště pojedu autobusem …myslím, že celkově to bude…”

špatné dobré □ □ □ □ □

Sociální normy: „Většina lidí, na nichž mi záleží, by souhlasila s tím, abych jel příště autobusem.”

pravděpodobně ano

ne □ □ □ □ □

Vnímaná behaviorální kontrola: „Jet příště autobusem, by bylo …”

snadné obtížné □ □ □ □ □

„Plánuji jet příště autobusem…“

ano

Pravděpodobně

INTENCE

ne □ □ □ □ □

Teorie plánovaného chování zčásti vysvětluje pozorovanou nekonzistenci mezi postoji k životnímu prostředí a skutečným chováním s negativními dopady na životní prostředí, která je obzvláště markantní u volby dopravního prostředku.14 Výskytu této nekonzistence si všímají i němečtí sociologové Diekmann a Preisendorfer [1998, 2003] a snaží se vysledovat, v jakých typech chování je rozpor mezi postoji k životnímu prostředí a chováním největší. Autoři v podstatě specifikují složku behaviorální kontroly obsaženou v Ajzenově [1991] teorii plánovaného chování jako náklady spojené s jednotlivým alternativami v rozhodovací situaci a formulují tzv. hypotézu nízkých nákladů. Podle této hypotézy jsou deklarované příznivé postoje k životnímu prostředí v souladu se skutečným (environmentálně příznivým) chováním pouze tehdy, pokud environmentálně příznivá alternativa chování nepředstavuje významné dodatečné 13

Existuje i množství modifikací původního modelu. Za všechny jmenujme např. studii S. Haustein [2007]. Do struktury determinant intence volby dopravního prostředku, konkrétně komponenty vnímané behaviorální kontroly, zahrnuje také element „vnímané potřeby mobility“. Tato složka zvyšuje míru vysvětlené variability u intence „zvolit k cestě na univerzitu autobus“ z R2=0,80 na 0,84 a vlastní volby autobusu z R2=0,27 na 0,38. Kromě toho poskytuje další cenná kvalitativní zjištění. Např. pro účely zavedení požadovaného motivačního opatření pro častější využívání hromadné dopravy totiž hraje podstatnou roli, zda jedinec považuje dané jednání za obtížné kvůli svým individuálním požadavkům kladeným na mobilitu (zpravidla těsněji spjatým s jeho socio-demografickými charakteristikami), nebo kvůli charakteristikám příslušné dopravní infrastruktury. 14 Vztahu mezi vyjádřenými postoji a reálným chováním je – a nejen v české sociologii – věnována spíše okrajová pozornost a to i přesto, že jsou výzkumy postojů pravidelně prováděny v rámci evropských programů ESS a ISSP. Data k postojům k životnímu prostředí byla v roce 1993 a 2000 sbírána i v ČR. Okrajově poukazuje na nekonzistenci mezi postoji a chováním ve výzkumech ISSP Soukup [2001, 2002].

16


náklady. Právě dopravní / cestovní chování patří podle Diekmanna a Preisendorfera [2003] mezi situace s vysokými náklady na environmentálně příznivější variantu.15 Ani vysoká míra statistické úspěšnosti modelu chování formulovaného v teorii plánovaného chování neoslabuje závažnost výtky, že model sice poměrně úspěšně vysvětluje jednotlivé volby, nikoliv však jednání jako celek. Z perspektivy snahy vysvětlovat společenské procesy je příliš restriktivní především požadavek na specifickou operacionalizaci chování a jeho determinant z hlediska stejného cíle, činnosti, kontextu a času. Výsledky použití modelu v empirickém výzkumu nám tak umožní vysvětlit, jakým způsoben jedinec jedná v konkrétní situaci, neumožní však na základě toho usuzovat o jeho jednání v jiných situacích a při jiných volbách.

1.1.3 ACTIVITY BASED APPROACH S výtkou, že dopravní / cestovní chování nelze jednoduše rozložit do jednotlivých voleb,16 se snaží vyrovnat tzv. activity based approach (ABA), který vnikal v průběhu 70. let jako projev snahy chápat dopravní chování v širším kontextu lidských činností. Ten se v posledních letech díky lepší schopnosti predikovat dopady managementu poptávky po dopravě dostává stále do popředí zájmu mnoha teoretiků, a tak se mu ve výkladu věnujme trochu podrobněji. Hlavním důvodem změny perspektivy je, že trip based approach (dále také TBA) nereflektuje jinak obecně přijímanou skutečnost, že poptávka po dopravě je odvozená od poptávky po výkonu lidských činností (activity) a považuje za základní jednotku analýzy cestu (trip). Rozvoj přístupu založeného na činnosti souvisí s problémy aktuálními v době svého vzniku. Politická opatření se v západní Evropě a USA v 70. letech zaměřovala na zásadní změny urbánní struktury, environmentální problémy a energetické otázky a usilovala spíše o management dopravy než o další expanzi dopravní infrastruktury. Vznikl tak holistický koncept, „v němž je cestování analyzováno jako denní nebo vícedenní vzor chování, spojený s rozdíly mezi skupinami populace v životních stylech a účasti na různých činnostech“ [Jones et al. 1990 in McNally 2000]. Podle Kuraniho a Lee-Gosselin [1997] vycházejí „myšlenkové kořeny analýzy činností“ z fundamentálních příspěvků Hägerstranda [1970], Chapina [1974] a Frieda et al. [1977]. Hägerstrand vytvořil časově-prostorově-geografický přístup, který načrtl systém omezení účasti na různých činnostech (práci, zábavě, nakupování) v čase a prostoru. Chapin identifikoval vzorce chování v čase a prostoru. Fried, Havens a Thall nastolili otázku sociální struktury a otázku, proč se lidé podílejí na různých činnostech. Tyto úvahy se posléze propojily v první ucelené studii činností a dopravního chování zpracované odborníky z Transport Studies Unit v Oxfordu [Jones et al. 1983 in McNally 2000]. Zde byl přístup založený na činnosti poprvé definován a empiricky testován. 15

V porovnání např. s tříděním odpadu nebo úsporami energie v domácnosti lze proto očekávat, že skutečné volby (mít či nemít automobil nebo jet či nejet automobilem) budou v relativně menší míře odpovídat deklarovanému pozitivnímu postoji k životnímu prostředí. 16 Jak to činí tzv. trip based approach – TBA, o němž byla v textu řeč až dosud.

17


Zásadní rozdíl přístupu ABA spočívá v tom, že cesta je považována za jeden z atributů činnosti, například práce, a že také charakteristiky jako volba dopravního prostředku nebo cestovní čas nejsou považovány za charakteristiky cesty, ale činnosti. Zatímco TBA se spokojí s modely zahrnující proměnné vysvětlující cestu, ABA se zaměřuje na to, co vysvětluje činnost, která vyvolává cestu. Zásadou ABA je, že rozhodnutí ohledně cestování jsou poháněna sadou aktivit, která tvoří program účasti na aktivitách a tento program jako takový nemůže být analyzován na základě jednotlivé cesty. Sada činností a cest podle přístupu ABA zahrnuje: 1) individuální vzorec činností, 2) rozhodovací proces, 3) behaviorální pravidla a 4) prostředí, které dohromady ovlivňují utváření těchto vzorců. Vzorec činností domácnosti je pak tvořen souborem individuálních vzorců, vzájemných omezení a rozhodnutí o alokaci nabídky dopravy (např. kdo využije společný rodinný automobil). Individuální programy účasti na činnostech včetně jejich načasování jsou realizovány jednotlivcem a vytvářejí (projevené) chování individuálních vzorců účasti na činnostech. McNally [2000] uvádí, že v praxi je tato filosofie reprezentována spíše řadou různých přístupů [např. Arentze et al. 1997 nebo Bowman a Bradley 2006] než přístupem jedním. Společné je těmto přístupům jedno nebo více z následujících témat: • • • • •

cestování (travel) je odvozeno od poptávky po účasti na různých činnostech, relevantní jednotkou analýzy jsou sekvence nebo vzorce chování (řetězce) a nikoliv individuální cesty, domácnost a jiné sociální struktury ovlivňují cestovní chování a účast na činnostech prostorové, časové a dopravní souvislosti a vztahy mezi osobami omezují jak účast na činnostech, tak dopravní chování (activity-travel behavior) ABAs reflektuje časování a plánování aktivit v čase a prostoru.

Fried et al. [1977 in McNally 2000], jehož syntéza dopravního chování vychází z integrace geografické, ekonomické, sociologické a psychologické literatury argumentují, že struktura rolí, která ovlivňuje účast na činnostech, je velmi stabilní a to v rámci určité fáze životního cyklu domácnosti. Přístup založený na činnosti tedy nabízí přístup přibližující se co možná nejvíce realitě a očekávání společenských věd, jeho komplexita však přináší značné obtíže při získávání odpovídajících dat17 i následném modelování. Pro ilustraci komplexity přístupu založeného na činnosti uvádíme přehled dat potřebných k analýze [Arentze et al. 1997]. V posledním sloupci tabulky autor navrhuje možné metody sběru dat. Tabulka 1.4: Přehled dat potřebných k analýze v přístupu založeném na činnosti

17

McNally [2000] uvádí, že pouze zřídka jsou sbírána dostatečně podrobná data o časových, prostorových a vzájemných osobních omezeních jednotlivců a domácností. Důvodem je především ohromný nárůst požadovaných dat a s tím spojené finanční náklady na jejich pořízení. Přestože se to týká také sociodemografických a postojových dat, McNally vidí významný příslib rozvoje toho přístupu v rozšíření globálního polohového systému (GPS) a jiných technologiích založených na kontinuálním prostorovém a časovém monitorování jednotlivců.

18


MODELY ZALOŽENÉ NA OMEZENÍ /constraints-based models/

MODELY ZALOŽENÉ NA UŽITKU /utility-based models/

MODELY ZALOŽENÉ NA PRAVIDLE /rule-based models/

PŘEHLED DAT POTŘEBNÝCH K ANALÝZE V PŘÍSTUPU ZALOŽENÉM NA ČINNOSTI – část 1

Činnosti

X

X

X

Umístění činnosti

X

X

X

Čas - začátek - trvání - konec

X X X

DATA

METODA SBĚRU DAT

DIMENZE VOLBY

X X X

S kým Dopravní prostředek

X

Denník činností a cest Interaktivní počítačový experiment Výběrový experiment Geografické šetření potenciálních destinací

X

X

Denník či záznam činností

X

Denník či záznam činností

PŘEHLED DAT POTŘEBNÝCH K ANALÝZE V PŘÍSTUPU ZALOŽENÉM NA ČINNOSTI – část 2 VYSVĚTLUJÍCÍ FAKTORY Institucionální kontext - otevírací hodiny - legální charakteristiky - opatření /policies/ Prostorové prostředí - umístění - využití území - atraktivita Dopravní systém - síť - cestovní čas - frekvence - náklady - počet přestupů - pohodlí Ostatní - alokace úkolů - substituce - socio-gemografie

Terénní výzkum a tvorba scénářů X

X X X

X

X

X X

X X X

X X X X X

X X

X X X X X X

X X X X X X

X

X X X

X

Zdroj: upraveno, Arentze et al. [1997]

19

Existující databáze, kombinované s externím monitorováním / terénní výzkum

Existující databáze, kombinované s externím monitorováním / terénní výzkum

dotazník hloubkové rozhovory rozhodovací tabulky, pozorování atd. výběrový experiment


Prvními aplikacemi modelu byli CARLA [Jones 1983] a STARCHILD 18 [McNally and Recker 1986, Recker et al. 1986]. Jako jednu z ekonometrických aplikací modelu jmenujme TRANSIMS vytvořenou Bowmanem and Ben-Akivou [1997]. Model generuje denní vzorce činností prostřednictvím aplikace nested logit modelů, které zachycují primární a sekundární řetězce cest (tours) a související charakteristiky. Přes vysoké požadavky na data a množství kombinatorických a početních operací, je tomuto přístupu v akademickém prostředí věnována v současné době významná pozornost. Ta je mimo jiné dána rostoucí snahou dopravní politiky řídit poptávku po dopravě na místo snahy zajistit pro vznikající dopravu dostačující infrastrukturu.

1.1.4 EMOCIONÁLNÍ A SYMBOLICKÝ ASPEKT DOPRAVNÍHO CHOVÁNÍ Zájem o emocionální či symbolickou složku dopravního chování je možné chápat jako přímou reakci na redukci cestujícího na racionálního aktéra a konkrétní příklady neschopnosti teorie vysvětlit efekt kolektivních skutečností, které cestování člověka v současné „automobilní“19 společnosti doprovází. Jaksi samozřejmě se úvahy tohoto proudu vztahují k dopravnímu chování jako proudu chování či celkové mobilitě. Mann a Abraham [2006] argumentují, že stále selhávající regulační pokusy učinit hromadnou dopravu cenově výhodnější, spolehlivější a dostupnost možných destinací větší, které vycházejí z ekonomického pojetí užitku, naznačují, že jízda autem má pro své uživatele ještě jinou hodnotu. Sheller20 [2003] vyčítá teorii racionální volby, která v oblasti studia dopravního chování dominuje, redukcionismus vyznačující se zájmem o ekonomické faktory a ignorancí emocionální složky „automobilní kultury“ [Sheller 2003]. „Model individuální racionální volby, který je považován za samozřejmost v diskusi o dopravní politice, deformuje naše porozumění toho, jak hluboce jsou lidé zapuštěni v historicky usazených a geograficky zapuštěných vzorcích každodenní mobility“ [Kaufman 2000 in Sheller 2003]. V duchu rozumějící sociologie proto musí být nutně věnována pozornost „žité zkušenosti přebývání s auty v celé své komplexitě, nejednoznačnosti a rozporuplnosti“ 18

STARCHILD se snaží přímo reprezentovat vytvoření a výkon vzorce činností domácností prostřednictvím tří komplexních kroků: 1) individuální program aktivit, odrážející potřebu či touhu po některých činnostech a prvky interakce v rámci domácnosti a omezení prostředím, 2) vytváření souboru voleb/výběru o účasti na činnostech z individuálního programu, odrážející kombinace vzorců činností, které lze stihnout, a varietu kognitivních rozhodovacích pravidel pro vytváření odlišných vzorců, 3) modely volby vzorců odrážející pouze atributy konzistentní s komponenty teorie. Postup integruje v každém kroku velký rozsah rozhodovacích pravidel a zahrnuje vzájemné závislosti mezi i) vytvářením a umístěním činností, ii) potenciálním časováním a plánováním účasti a iii) omezenými preferencemi a volbami. STARCHILD jako první aplikace modelu založeného na činnostech (ABA) zůstal nicméně prototypem, neboť nadále přetrvává problém v dostupnosti potřebných dat. 19 Automobilní společnost je českým ekvivalentem anglického pojmu „society of automobility“. Domníváme se, že tento překlad dává ve srovnání s pojmem „společnost automobilu“ nebo „automobilní společnosti“ více vyniknout možné pluralitě významu slova „automobile“. 20 Mimi Sheller působí spolu s Johnem Urrym v Centre for Mobilities Research na Univerzitě v Lancasteru. Toto pracoviště je v současné době asi nejvýznamnějším centrem teoreticky orientovaného sociologického výzkumu dopravy a dopravního chování.

20


[Sheller 2003: 3]. Scheller, Urry, Gartman, Featherstone, Bull a další studují cestování, dojíždění a především roli automobilu v současných společnostech v duchu Goffmanova symbolického interakcionismu a studia každodennosti. Sheller usiluje o to, identifikovat, jak jsou emoce spojené v „automobilních společnostech“ s autem a v něm prožívané [Sheller and Urry 2000] sociálně a kulturně zapuštěny v sociálních a kulturních praktikách používání auta.21 Ve své analýze automobilní společnosti vychází Sheller z předpokladu formulovaného Arlie Hochschieldsovou [1983, 2003 in Sheller 2003], že emoce nejsou jednoduše přirozené nýbrž kulturně zprostředkované. Na tomto předpokladu staví svou tezi, že „automotivní emoce – vtělené dispozice těch, kteří jezdí autem a vnitřní a jiné pocity spojené s používání auta – jsou stejně ústřední pro pochopení tvrdohlavé vytrvalosti automobilové kultury jako technické a socio-ekonomické faktory“ [Sheller 2003]. V souladu s předpokladem, že emoce jsou kulturně spravovány, zaměřuje svou pozornost na ne-vědomé formy poznání a dispozice zakořeněné v automobilní společnosti. „Auto je hluboce zakořeněné ve způsobech, jimiž obýváme fyzický svět“ [Sheller 2003] a interagujeme s ním prostřednictvím zrakových, sluchových, čichových, interoceptivních a proprioceptivních smyslů. Vztah k autu samozřejmě nezahrnuje pouze potěšení a pocit svobody [také Featherstone 2004, Garman 2004], ale také strach spojený s možnou dopravní nehodou (především, pokud by se jí měli účastnit naše děti) či frustraci, hněv na ostatní řidiče, nudu ze stejné cesty či zlost na vládní dopravní politiku. Pocity jsou namířeny nejen navenek, ale i na řidiče sama sebe. Podle Sheller [2003] auto dodává pocit osvobození, zplnomocnění a sociální inkluze, zatímco nemožnost řídit – z jakéhokoliv důvod – přináší pocity vyloučení. Auto je tak součástí vzorců sociální kompetence (sociability). Obzvláště viditelné je to u mladých řidičů [Carrabine and Longhurst, 2002 in Sheller 2003]. Stradling [2001 in Sheller 2003] na základě výzkumu anglických řidičů uvádí, že expresivní rozměr užívání auta variuje s věkem, pohlavím a příslušností ke třídě. Emocionální přínosy různých skupin lidí se při používání auta samozřejmě liší. Řízení auta je obzvláště přitažlivé pro mladé a méně majetné díky pocitu zobrazení osobní identity. Gilroy v této souvislosti [2001 in Sheller 2003] mluví o „kompenzační prestiži“. „A dokud budou osoby s vysokými příjmy a profesionální elita klást rovnítko mezi hodnotu auta a osobní hodnotu, budou mladí bezmocní používat auto jako kompenzaci svého nízkého statusu.“ [Sheller 2003: 13.] Garman [2004] se zabývá analýzou automobility jako spotřeby, jejíž symbolický význam se proměňoval v průběhu minulého století. Rozlišuje tři historická období: předfordovské, fordovské a postfordovské nebo postmoderní. V průběhu prvního období byl automobil výsadou několika málo majetných a výrazem jejich společenského postavení v duchu Bourdieho konceptu distinkce. V druhém období se stal automobil široce rozšířeným spotřebním statkem a znakem masové kultury, jak o ní psali Horkheimer nebo Adorno. V současnosti je podle Gartmana [2004] vlastnictví auta a jeho typu spíše projevem příslušnosti k nějaké subkultuře, tedy skupině existující na netřídním základu.

21

Sheller se ve svém článku věnuje také regionálním a národním souvislostem zapuštění emocionálního vztahu k automobilu v kultuře. Vzhledem k zaměření tohoto článku však tento aspekt dočasně opomineme.

21


Urryho [1999, 2000] diagnóza „automobilní společnosti“ předkládá ostrý obraz jedince „obývajícího automobil“ a dává tak vyniknout atributům, které jízdu automobilem odlišují od reality „tradičních“ dopravních prostředků, je však i diagnózou negativní sociálních důsledků automobilní společnosti. Podle Urryho auto kombinuje výjimečnou flexibilitu s násilím na těch, kteří využívají veřejné prostředky nebo se pěšky či na kole pohybují ve veřejném prostoru. „Automobilita je komplexním amalgámem do sebe zapadajících strojů, sociálních praktik a speciálních způsobů obývání „nestabilního” domova v podobě mobilní napůl soukromé a ohromně nebezpečné automobilní kapsle.“ [Urry 2000.] Podle něj „obývání auta umožňuje existenci mnohonásobných společenství rodinného života, komunity, volného času, potěšení z pohybu, které jsou protkány komplexními kejklemi s časem a prostorem, které cesty autem nejen umožňují, ale také vyžadují“. „Svoboda silnice“ cestovat rychle v jakoukoliv dobu a jakýmkoliv směrem po komplexní síti silnic západní společnosti nyní jedince nutí být stejně flexibilní. „Struktura auto-prostoru“ [Freund 1993 in Urry 2000] nutí jedince k neustálému organizování komplexních a heterogenních způsobů své mobility a sociability a to na stále větší vzdálenosti. Podle Urryho se významně liší časové plánování osob jedoucích autem. Neplatí pro ně časová ani prostorová omezení charakteristická pro jízdní řády veřejné dopravy. Personalizované a subjektivní temporality vytvářejí jejich biografická vyprávění. „Automobilita si vynucuje žonglování s fragmenty času a snahu sestavit komplexní, křehké a podmíněné vzorce sociálního života, které konstituují vlastní vyprávění reflexivního já.“ [Urry 2000.] Na rozdíl od „bezešvé“ cesty z domova do práce autem vytváří hromadná doprava množství časových proluk, jako je chůze z domova na zastávku, čekání na autobus, přestup na nádraží atd. Tyto „strukturní mezery“ v napůl veřejných prostorech jsou zdrojem nepohodlí, nebezpečí a nejistoty. Kromě časového aspektu automobilní společnosti věnuje Urry pozornost také privátnosti či domáckosti vnitřního automobilního prostoru. Také díky přítomnosti hudby z rádia se z vnitřku auta stává obývací pokoj na kolech [Marsch and Collet 1986 in Urry 2000 nebo Bull, 2004]. Pearceová [1999 in Urry 2000] dokonce mluví o „psychologickoprostorově-časovém vakuu“. Hudba a hlasy z rádia naplňují prostor auta a nahrazují jiné formy společenskosti a života [Urry 2000]. Rádio spojuje „domáckost“ auta se světem mimo něj. Auto je zároveň pohybem soukromého ve veřejném prostoru. Čím horší je cesta, tím větší potěšení, bezpečí a pocit domáckosti auto poskytuje [Urry 2000]. Zatímco Sheller [2003] i Urry [1999, 2000] zdůrazňují jistou univerzálnost prožívání v automobilní společnosti, Jensen [1999] poukazuje na heterogenitu emocionálních zkušeností spojených s automobilem. Rozlišuje: 1) vášnivé řidiče – ty, kterým automobil propůjčuje moc a status, stejně jako pohodlí a zábavu, 2) každodenní řidiče – ty, kteří zdůrazňují racionální aspekty jako časovou efektivitu, výhodnost a náklady, nicméně připouští i emocionální přínosy v podobě nezávislosti a kontroly a 3) řidiče ve volném čase – ty, kteří řídí spíše proto, že nemají přístup k prostředkům hromadné dopravy, než že by jim to přinášelo zalíbení nebo to považovali za výhodné.22

22

Dále se emocionální složkou dopravního chování zabývá např. Steg [2003, 2005] nebo Steg, Vlek a Slotegraaf [2001].

22


1.1.5 SOCIOLOGIE MOBILIT Byť se úvahy Larsena, Urryho a Axhausena [2006]23 neomezují na každodenní cestování, ani cestování uvnitř měst, přinesly jejich úvahy o mobilitě implikace pro další uvažování o návrhu empirického výzkumu. Urry [2002] a Larsen et al. [2006] řeší dvě základní výzkumné otázky: i) proč lidé cestují a ii) jeli pravděpodobné, že bude fyzické cestování (v budoucnosti) nahrazeno jiným způsobem komunikace?24 Za účelem další analýzy autoři rozlišují 5 vzájemně provázaných typů mobility [Urry 2000]: 1. fyzické cestování osob za prací, volným časem, rodinným životem a potěšením, které zahrnuje i migraci a únik, 2. fyzický pohyb předmětů k výrobcům, spotřebitelům a maloobchodníkům, 3. imaginativní cestování na jiné místo prostřednictvím vzpomínek, textů, obrázků, televize a filmu, 4. virtuální cestování (často v reálném čase) prostřednictvím internetu překračující geografické a sociální vzdálenosti a 5. komunikativní cestování prostřednictvím osobních zpráv předaných dopisem, pohlednicí, telefonem, emailem, zprávou SMS nebo prostřednictvím videokonferencí. Podstatou prvního typu mobility je lidská potřeba být fyzicky přítomen na témže místě jako jiní lidé. Zatímco výzkum dopravního / cestovního chování se nejčastěji soustřeďuje na první typ mobility a snaží se vysvětlit stále narůstající počet ujetých kilometrů25 skutečností, že lidé cestují autem, Larsen et al. [2006] jednotlivé typy mobility zkoumají ve vzájemné souvislosti a kladou si otázku, nakolik je mezi nimi vztah substituce nebo naopak komplementarity. Cestování autem dalo totiž podle nich vzniknout novému způsobu rodinného života, společenství, trávení volného času a radosti z pohybu. Larsen et al. [2006] argumentují, že v Británii lidé nejčastěji řídí, aby se setkali s rodinnými příslušníky a přáteli, a u většiny cestování se proto jedná o společenskou záležitost. Vzhledem k množství takových cest lze, podle uvedených autorů, snížení objemu fyzické mobility očekávat pouze v omezené míře.26 Není ani pravděpodobné, že by fyzické cesty ve významné míře nahradily komunikační technologie. Již dnes je totiž s výjimkou vlastnictví mobilního telefonu 23

Upozorňujeme, že zmíněný materiál není standardní akademickou publikací, nýbrž výzkumnou zprávou pro Ministerstvo dopravy Spojeného království. 24 Druhá z položených otázek je reakcí na existující úvahu o omezení mobility jako způsobu, jak snižovat negativní (především environmentální) důsledky dopravy objevujících se např. u Dargay [2006]. V kontrastu s touto myšlenkou Larsen et al. [2006] poukazují na již stávající nerovnosti mezi jednotlivými skupinami obyvatelstva v přístupu k mobilitě, cestování a dopravě. Bauman [in Larsen et al. 2006] dokonce tvrdí, že volnost pohybu se stává hlavním stratifikujícím faktorem v dobách pozdní modernity a postomoderny. 25 Lidé v Británii za rok 2005 urazili pětkrát větší vzdálenost než v roce 1950 [Larsen et al. 2006]. 26 Autoři své závěry formulují na základě kvalitativního šetření mobilitních sítí vybraných osob žijících ve Velké Británii a rozboru účelů jednotlivých cest a jejich dalších charakteristik.

23


fyzická mobilita silně zkorelována s telekomunikační mobilitou, a jedná se tedy spíše o vztah komplementarity než substituce. Předměty komunikace a technologie totiž průběh cestování nenahrazují, ale zefektivňují. Umožňují změny plánů a individuálních jízdních řádů a z vlaku nebo aut vytvářejí místo výkonu práce. Původně cestovní čas se tak stává produktivním pracovním časem. Plaut [2004 in Larsen et al. 2006] dokonce tvrdí, že „více komunikace pravděpodobně vede ke stále intenzivnějšímu využití systému dopravy a naopak“. Zdá se tedy, že moderní komunikační technologie umožňují lidem být mobilnější, a to vzhledem k práci i volnému času. Mokhtarian a Salomon dokonce tvrdí, že „člověk je nadán vnitřní touhou cestovat“ [2001], a Ory et al. [2004] dokládají přesvědčení, že cestování má hodnotu samo o sobě, na empirických datech. Kolem 50 % osob dotázaných při šetření dopravního chování v San Francisku vyjádřilo, že má „pozitivní užitek z cestování“ a netouží po snížení času dojíždění [Ory at al. 2004 in Dargay 2006]. Tyto úvahy tak značně zpochybňují předpoklady přístupu založeného na činnosti, že jsou cesty pouhým meziproduktem, a že je poptávka po dopravě pouze odvozená od poptávky po účasti na nějakých aktivitách.

1.1.6 ZÁVĚR V této rešerši jsme usilovali o to, seznámit čtenáře s přístupy ke studiu každodenního cestovního / dopravního chování, mobility a volby dopravního prostředku objevujícími se v dopravním inženýrství, neoklasické ekonomii, sociologii a sociální psychologii.27 Za účelem následné formulace teoretických a metodologických východisek pro vlastní empirické šetření jsou předmětem zájmu primárně teoretické předpoklady, jejich empirická aplikace a povaha výsledků jednotlivých přístupů spíše než odkrytí povahy zkoumané reality. Dominantně uplatňovaný přístup ke zkoumání dopravního chování a volby dopravního prostředku v duchu metodologického individualismu a teorie racionální volby (v neoklasické ekonomii, dopravním inženýrství a sociální psychologii) se vyznačuje schopností izolovat elementární prvky rozhodovacího procesu, změřit a porovnat velikosti efektů i) charakteristik dostupných alternativ, ii) individuálních charakteristik jedince a iii) charakteristik prostředí, v němž se jednotlivci pohybují. Podobně jako jiné kvantitativní přístupy, se vyznačuje spolehlivostí výsledků, možností generalizace a schopností popsat dominantní společenské trendy pomocí známých charakteristik populace. To platí obzvláště, je-li možné předmět zájmu omezit na jednotlivé cesty a nebýt nuceni chápat dopravní chování jako aktivitu prolínající se jinými denními činnosti, jako se o to snaží activity based approach. Výsledky uplatnění tohoto přístupu jsou na druhou stranu velmi deskriptivní a nepřinášejí dostatečné vysvětlení variability v chování mezi jednotlivými společenskými skupinami, rozdílů v percepci objektivních charakteristik (času a nákladů, dopravní 27

Předložený přehled jistě není vyčerpávající. Snažíme se v něm nastínit hlavní proudy výzkumné praxe uplatňované v různých vědních disciplínách a přiblížit základní literaturu, a je tedy nutné chápat tento přehled jako úvod do zkoumané problematiky, který je v případě potřeby třeba doplnit specializovanou literaturou.

24


dostupnosti různých lokalit), ani společenských praktik či struktur, jimiž může být určitý typ dopravního chování posilován. Individuální chutě (či preference) jsou zpravidla konceptualizovány velmi zjednodušeně a jejich variabilita v populaci je opomíjena. Operacionalizace voleb je na druhou stranu velmi restriktivní a to v inženýrských, ekonomických i psychologických aplikacích modelu racionální volby. Právě tato restriktivita, např. v podobě omezení na cesty do práce v dopoledních hodinách, zabraňuje dostatečné generalizaci empirických výsledků a usuzování o dopravním chování jako takovém a jeho společenských důsledcích. Ve schopnosti vysvětlit mechanismy a sociální struktury umocňující preference automobilů na úkor jiných dopravních prostředků naopak spočívá síla sociologického studia mobility a studia emocionálních přínosů každodenní mobility, cestování a použití různých dopravních prostředků. Vesměs se jedná o kvalitativní přístupy vysvětlující mechanismy reprodukce sociálních norem a kulturní správy emocí v „automobilní společnosti“. Přestože mohou analýzy tohoto typu poskytovat např. koherentní výklad vztahu mezi mobilitou a rozvojem komunikačních technologií nebo postřehy ohledně sociálního života spojeného s cestováním autem, nevypovídají nic o tom, o jak frekventovaný jev se v té či oné společnosti jedná. Výklad vztahu mezi symbolickým významem auta a jeho volbou ve specifických situacích je velice vágní. Možná také kvůli omezenému zájmu o jiné dopravní prostředky než auto tento přístup nepřispívá k vysvětlení skutečnosti, proč významné množství osob v automobilní společnosti přes všechny jmenované symbolické a emocionální přínosy autem jezdí pouze zřídka nebo vůbec. Přestože tento přístup produkuje poznatky zakotvené v datech, neposkytuje konceptualizaci či operacionalizaci klíčových proměnných jako privátnosti, statusového významu nebo flexibility, které by umožnily ověření platnosti navržené teorie. S pomocí odlišných přístupů založených na různých předpokladech dokonce zdánlivě docházíme k rozdílným výsledkům. Na jednu stranu Sheller [2003] zdůrazňuje, že možnost přepravovat autem malé děti dává ženám pocit osvobození a možnost realizace společného rodinného života v nabitém rodinném rozvrhu. Na druhou stranu Dargay [2006] a další uvádějí data ukazující významně vyšší podíl cestování autem mezi muži. Neznamená to, že by jeden ze závěru nebyl pravdivý. Rozpor spíše spočívá v tom, že kvalitativní přístup si všímá zajímavých společenských souvislostí, které mohou dané dopravní chování posilovat – ovšem například pouze za určitých ekonomických podmínek a kvantitativní studie přináší sice spolehlivé, ale málo detailní výsledky, protože jen zřídka do modelů zahrnují např. interakce mezi zkoumanými proměnnými. Jaké východisko z předchozí argumentace má tedy pro svůj výzkum sociolog, kterého zajímá, jaké motivy vedou jedince v různých každodenních situacích k volbě jednoho dopravního prostředku na úkor jiného? Pokusíme se na závěr navrhnout vlastní řešení. Má jistě smysl vyjít z teorie racionální volby a aplikovat model náhodného užitku, který poskytne spolehlivá, mezinárodně srovnatelná kvantitativní data o efektu vlastností alternativ volby dopravního prostředku, individuálních charakteristik jedince a domácnosti a fyzickém prostředí, v němž se mobilita odehrává. Model náhodného užitku je dále obohacen o koncept preferencí týkajících se kvality a umístění rezidence, dopravní dostupnosti území a životního stylu zahrnujícího typ trávení volného času či časové flexibility práce. Kvalitativní koncepty jsou operacionalizovány na základě předvýzkumu založeného na přístupu zakotvené teorie. Rezidenční preference a preference dopravní dostupnosti či trávení volného času jsou v modelu racionální volby

25


zahrnuty v podobě latentních tříd, podobně jako postupovali např. Ben-Akiva et al. [1999] nebo Walker a Li [2007]. Kombinací silných stránek obou typů dominantních přístupů lze splnit požadavky na obecnost závěrů empirického šetření, jejich reliabilitu i zahrnutí kvalitativních konceptů preferencí týkajících se dlouhodobých determinant každodenní mobility.

LITERATURA Ajzen, I. The Theory of planned behaviour (1991): Organizational Behaviour and Human Decision Process, no. 50, s. 179–211. Ajzen (2002): Perceived behavioral control, self-efficacy, locus of control, and the theory of planned behavior. Journal of Applied Social Psychology, 32, 665-683. Ajzen, I. (2006): Theory of unix.oit.umass.edu/~aizen/tpb.diag.html

Planned

Behaviour:

http://www-

Arentze, T.; Hofman, F.; Kalfs, N.; Timmermans, H. (1997): Data needs, data collection and data quality requirements of activity-based transport models. Proceedings International Conference on Transport Survey Quality and Innovation (Transport Survey: Raising the Standard), 24–30 May 1997. Grainau: Germany. Bamberg, S., Schmidt, P. (1998): Changing Travel-mode Choice as Rational Choice: Result from a Longitudinal intervention study. Racionality and Society, Vol. 10(2): 223 - 252. Bamberg, S., Schmidt, P. (1999): Regulating Transport: Behavioral Changes in the Field. Journal of Consumer Policy, 22, 479 – 509. Bamberg, S.; Schmidt, P. (2001): Theory-driven subgroup-specific evaluation of an intervention to reduce private car use. Journal of Applied Social Psychology, no. 31, s. 1300–1329. Bamberg, S.; Ajzen, I.; Schmidt, P. (2003): Choice of Travel Mode in the Theory of Planned Behavior: The Roles of Past Behavior, Habit, and Reasoned Action. Basic and Applied Social Psychology, vol. 25, no. 3., s. 175–187. Bamberg, S. (2006): Is a Residential Relocation a Good Opportunity to Change People’s Travel Behavior? Results From a Theory-Driven Intervention Study. Environment and Behavior, vol. 38, no. 6, s. 820–840. Bates, J. (2000) History of Demand Modelling. In HENSHER D. A.; BUTTON, K. J. Handbook of Transport Modelling. Amsterdam: Pergamon, s. 11–34. Ben-Akiva, M.; Lerman, S. (1985): Discrete Choice Analysis: Theory and Application to Travel Demand. Cambridge (Mass.): The MIT Press. Ben-Akiva, M.; Walker, J.; Bernardino, A. T.; Gopinath, D. A.; Morikave, T.; Polydoropoulou, A. (1999): Integration of Choice and Latent Variable Models. MIT Working Paper.

26


Bierlaire, M. (2003): BIOGEME: A free package for the estimation of discrete choice models. Proceedings of the 3rd Swiss Transportation Research Conference. Ascona: Switzerland. Bierlaire, M. (2005): An introduction to BIOGEME Version 1.4, biogeme.epfl.ch. Bowman, J., Ben-Akiva, M. (1997): Activity-based travel forecasting in: Activity-based travel forecasting conference. Washington, DC: U.S. Departement of Transportation, Report DOT-97-17. Bowman, J.; Bradley, M. (2006): Disaggregate Treatment of Purpose, Time of Day and Location in an Activity-Based Regional Travel Forecasting Model, upravený příspěvek prezentovaný na ETC 2005, Strasbourg, 3. – 5. October 2005. Braun Kohlová, M.; Foltýnová, H. (2005): Do physical factor matter? Paper presented at European Transport Conference. Strasbourg 10/2005. Bull, M. (2004): Automobility and the Power of Sound. Theory, Culture & Society, 2004, vol. 21, no. 4/5, s. 243–259. Dargay, J. (2006): Household Behaviour and Environmental Policy: Reviwe of Empirical Studies on Personal Transport Choice. Paper presented at workshop „Household Behaviour and Environmental Policy: Empirical Evidence and Policy Issues“ organised by OECD Environment Directorate, 15–16 June 2006, Paris. Diekmann, A.; Preisendörfer, P. (1998): Environmental Behavior: Discrepancies between Aspiration and Reality. Racionality and Society, 1998, vol. 10 , no. 1, s. 79–102. Diekmann, A.; Preisendörfer, P. (2001): Umweltsoziologie. Eine Einführung. Reinbeck bei Hamburg: Rowohlts. Diekmann, A.; Preisendörfer, P. Green and Greenback (2003):: The Behavioral Effects of Environmental Attitudes In Low-Cost and High-Cost Situations. Racionality and Society, vol. 15, no. 4. s. 441– 472. Featherstone, M. (2004): Automobilities. An Introduction. Theory. Culture & Society, vol. 21, no. 4/5. s. 1–24. Fosgerau, M.; Bierlaire, M. (2007), A practical test for the choice of mixing distribution in discrete choice models, Transport Research Part B: Methodological. Fried, M., J. et al. (1977): Travel behavior – a synthesized theory, NCHRP, Transportation Research Board, Washington, DC, Final Report. Garman, D. (2004): Three Ages of the Automobile. The Cultural Logics of the Car. Theory. Culture & Society, vol. 21, no. 4/5. s. 169–195. Hägerstrand , T. (1970): What about people in regional science?, Papers of the Regional Science association, 24: 7-21. Haustein, S., Hunecke, M. (2007): „Reduced Use of Environmentally Friendly Modes of Transportation Caused by Perceived Mobility Necessities: An Extension of the Theory of Planned Behavior.” Journal of Applied Social Psychology 37 (8): 1856– 1883.

27


Hensher, D. A.; Button, K. J. (2000): Handbook of Transport Modelling. Amsterdam: Pergamon. Hensher, D. A. et al. (1990): The demand for vehicle use in the urban transport sector, Journal of Transport Economics and Policy, XXIV (2): 119-137. Chapin, F., S. (1974): Human activity pattern in the city. New York: Wiley. Jensen, M. (1999): Passion and heart in transport. A sociological Analysis of transport Behaviour. Transportation Policy, no. 6, s. 19–33. de Jong, G., C.(1989): Some point models of car ownership and use. PhD Thesis, Department of Economics, University of Amsterdam. Jones et al. (1983): Understanding travel behavior. Aldershot: Gower. Kurani, K. S.; Lee-Gosselin, M. (1997): Synthesis of past activity analysis applications in: Activity-based travel forecasting conference, U.S. Department of Transportation, Washington, DC, Report DOT-97-17. Larsen, J.; Urry, J.; Axhausen, K. (2006): Social networks and future mobilities. Report to the UK Department for Transport. Mann, E.; Abraham, Ch. (2006): The role of affect in UK commuters’ travel mode choice: An interpretative phenomenological analysis. British Journal of Psychology, May 2006, no. 97, s. 155–176. McFadden, D. (1974): The Measurement of Urban Travel Demand. Journal of Public Economics, no. 3, s. 303–328. McFadden, D.; Talvitie, A. P. et al. (1977): Demand Model Estimation and Validation. Urban Travel Demand Forecasting Project, Phase 1. Final Report Series, vol. V. The Institute of Transportation Studies, University of California, Berkeley and Irvine. McNally, G., M. (2000): The Four-step Model. In HENSHER, D. A.; BUTTON, K. J. Handbook of Transport Modelling. Amsterdam: Pergamon, s. 35–52. McNally, G., M., Recker, W., W. (1986): On the formation of household travel/activity patterns, Institute of Transportation Studies, University of California, Irvine, CA, USDOT Final Report. Mokhtarian, P.; Salomon, I. (2001): How derived is the demand for travel? Some conceptual and measurement considerations. Transportation Research A. Vol. 2001, vol. 35, no. 8., s. 695–719. Ortuzar, J. de D.; Willimsen, L. G. (1994): Modelling Transport. Chichester: Wiley. Recker, W., W. et al..(1986): A model of complex travel behavior: Part I – theory; Part II – operational model, Transportation Research A, 20: 307–318, 319-330. Sheller, M. (2003): Automotive Emotions: Feeling the Car. The department of Sociology, Lancaster University. At http://www.comp.lancs.ac.uk/sociology/soc124ms.pdf. Sheller, M., Urry, J.(2000): The City and the Car, International Journal of Urban and Regional Research 24:737 – 57.

28


Soukup, P.(2001): Sociologické texty. ISSP – Životní prostředí. Sociologický ústav AV ČR. Soukup, P. (2002): Ještě jednou k životnímu prostředí. Data & Fakta. Online: [http://datafakta.soc.cas.cz/]. Steg, L. (2003): Can Public Transport compete With the Private Car? IATSS Research, vol. 27, no. 2, s. 27–35. Steg, L. (2005): Car Use: Lust and Must. Instrumental, Symbolic and Affective Motives for Car Use. Transportation Research – A, vol. 39, no. 2–3, s. 147–162. Steg, L.; Vlek, C.; Slotegraaf, G. (2001): Instrumental-Reasoned and Symbolic-Affective Motives for Using a Motor Car. Transportation Research – F: Psychology and Behaviour, vol. 4, no. 3. s. 151–169. Train, K. (1986): Qualitative choice analysis: theory, econometrics and an application to automobile demand. Cambridge (Mass): MIT Press. Urban, J.; Braun Kohlová, M. (2007): Teorie plánovaného chování: vývoj, aplikace a kritika. Příspěvek prezentovaná na konferenci „Teorie jednání: jeden koncept, mnoho koncepcí“ pořádané Českou Masarykovu sociologickou společností 20. 4. Urry, J. (1999): Automobility, Car Culture and Weightless Travel: A discussion paper. http://www.comp.lancs.ac.uk/sociology/008ju.html Urry, J. (2000): Sociology beyond Society: Mobilities for the 21st Century. London: Routledge. Urry, J. (2002): Mobility and Proximity, Sociology, vol. 36, no. 2., s. 255–274. Walker, J.; Li, J. (2007): Latent Lifestyle Preference and Household Location Decisions. Journal of Geographical Systéme, vol. 9, no. 1, s. 77–1001.

29


1.2 Sběr existujících dat o dopravním chování Za účelem získání přehledu o relevantních výzkumech, které by mohly být následně využity při tvorbě modelu dopravního chování, byly osloveny různé české instituce, u nichž bylo možné očekávat, že byly ve sledovaném období let 1990 – 2006 zadavatelem či realizátorem výzkumu či průzkumu vybraných aspektů dopravy. Jednalo se o instituce následujících typů: 1) 2) 3) 4) 5)

městská zastupitelstva či magistráty a jejich odbory dopravy a rozvoje města dopravní podniky vysoké školy agentury pro výzkum veřejného mínění specializované konzultační firmy a ústavy výzkumu dopravy.

U městských zastupitelstev a dopravních podniků byl výběr podmíněn velikostí městské aglomerace na cca 100 000 obyvatel. Toto kritérium bylo uplatněno s ohledem na hlavní cíle výzkumu, tedy dopravní chování ve velkých městských aglomeracích. V závislosti na typu oslovené organizace byly získány údaje o průzkumech zaměřujících se na specializované aspekty dopravního chování: intenzitu poptávky, mobilitu vybraných skupin populace, preference uživatelů hromadné dopravy, spokojenost s poskytováním služeb hromadné dopravy atd. Kromě klíčové proměnné – předmět šetření, byly zjišťovány následující charakteristiky uskutečněných šetření: 1) sledované území, 2) cílová populace, 3) věkové ohraničení cílové populace, 5) velikost vzorku a výběr, 6) způsob dotazování, 7) realizátor výzkumu, 8) termín šetření. Charakteristiky průzkumů dopravního chování zahrnutých v databázi: 1) sledované území (pouze administrativní území města, území města včetně okolí, území ČR …) 2) cílová populace (rezidenti, dojíždějící …) 3) věkové ohraničení cílové populace (pouze dospělí, pouze ekonomicky aktivní, studenti a žáci …) 4) předmět šetření (dojížďka do zaměstnání, všechny konané cesty, volba dopravního prostředku, ujeté vzdálenosti, cestovní čas, preference k hromadné dopravě, spokojenost s poskytováním hromadné dopravy …) 5) velikost vzorku a výběr 6) způsob dotazování (na ulici, v domácnostech) 7) realizátor výzkumu (studenti, specializovaná agentura…) 8) termín šetření (rok a měsíc) Celkem bylo touto cestou kontaktováno 45 institucí. Z nich 16 odpovědělo, 8 kladně. Další údaje byly získávány z internetových stránek. Touto cestou byla získána

30


data o dalších 6 průzkumech, údaje o 4 průzkumech byly zakoupeny od agentury Tylor Nelson SOFRES Faktum s.r.o. Dále do přehledu zahrnujeme údaje o dojížďce za prací a do škol získaných ze Sčítání lidu, domů a bytů Českého statistického úřadu z let 1991 a 2001. V tuto chvíli tak databáze zahrnuje údaje o 40 průzkumech. Data v průzkumech pokrývají území 7 měst (Hradce Králové, Liberce, Ostravy, Pardubic, Plzně, Prahy a Prostějova), Libereckého kraje a 5 šetření se týká populace České republiky. Úplný přehled získaných údajů poskytují následující tabulky. Databáze dostupných výzkumů a průzkumů je umístěna na internetových stránkách Centra pro otázky životního prostředí UK (http://www.czp.cuni.cz/dbdoprava) – pod hlavičkou projektu URBAN TRANSPORT. Údaje v databázi obsažené jsou tak k dispozici všem přispívajícícm institucím. Cílem je, aby údaje obsažené v databázi byly k volnému využití dopravním podnikům a městům při tvorbě a zadávání dotazníkových šetření pro vlastní účely. Data obsažená v dostupných výzkumech a průzkumech dopravního chování byla využita při meta-analýze studií dopravního chování (viz aktivita 1.5 popsaná v následující kapitole.

31


PŘÍLOHA I: SEZNAM PRŮZKUMŮ DOPRAVNÍHO CHOVÁNÍ

32

OBLAST

NÁZEV VÝZKUMU

ZADAVATEL

VYŠŠÍ ÚZEMNÍ CELKY 1. Celá ČR

1.1. 1.2.

MONITORING DOPRAVNÍHO CHOVÁNÍ OBČANŮ ČR 2000 DOPRAVNÍ CHOVÁNÍ OBČANŮ ČR 2001

Celá ČR

Taylor Nelson Sofres Factum, s.r.o.

Celá ČR

1.3.

DOPRAVNÍ CHOVÁNÍ OBČANŮ ČR 2002


Celá ČR

1.4.

Dopravní chování obyvatel České republiky 2003


Celá ČR

1.5.

Dotazníkový průzkum v rámci projektu výzkumu a vývoje v oblasti osobní dopravy

Centrum dopravního výzkumu

Celá ČR

1.6.

Sčítání lidu, domů, bytů

ČSÚ – Český statistický úřad

Celá ČR

1.7.



2.1.

Studie proveditelnosti projektu RTN

Liberecký kraj

2. Liberecký kraj

SOFRES-FACTUM, s.r.o.

MĚSTSKÉ AGLOMERACE 3. Hradec Králové

3.1.

Spokojenost občanů s místním společenstvím

Město Hradec Králové

Hradec Králové

3.2.

Mobilita a místní přeprava cestujících


Hradec Králové

3.3.

Cesty dětí do škol a zpět

Magistrát města Hradec Králové

4. Liberec

4.1.

Dopravní sčítání v ČR

Magistrát města Liberec

Liberec

4.2.


Liberec

4.3.

Dopravní průzkum vztahů pro tvorbu dopravního modelu jako podklad pro tvorbu územního plánu města Průzkumy využití linek MHD

Liberec

4.4.

Průzkum pěšího pohybu v centru města (podklad pro studii živé centrum města)


5.1.

Průzkumy inzenzity dopravy

Magistrát města Ostravy

5.2.

Anketní průzkum domácností v rámci zpracování Generálního dopravního plánu města Ostravy Průzkum spokojenosti cestujících s městskou hromadnou dopravou


5. Ostrava Ostrava a okolí

Magistrát města Liberec, DPML

6. Pardubice

6.1.

Dopravní podnik města Pardubice

7. Plzeň

7.1.

Chování klienta MHD v Plzni

PMDP, a.s.

Plzeň

7.2.

Cycle 21 - analýza potřeb budování cyklistické infrastruktury

COŽP UK

8. Praha - PPMR

8.1.

Šetření v domácnostech zaměřené na získání údajů o dopravním chování obyvatel na území pražské příměstské oblasti

Ústav dopravního inženýrství hl. m. Prahy

Praha - PPMR

8.2.


Praha

8.3.

Průzkum dopravního chování obyvatel trvale bydlících v pásmu Pražského metropolitního regionu Spokojenost zahraničních návštěvníků Prahy s pražskou MHD

Praha

8.4.

Postoje Pražanů k jízdě načerno a práci revizorů

Dopravní podnik hl. m. Prahy

Praha

8.5.

Preference a postoje cestujících k současným povrchům sedadel využívaným v MHD


Praha

8.6.

Povrchy sedadel, kultura cestování - image Dopravního podniku, postoje cestujících k předloženým vzorkům povrchů sedadel



Praha

8.7.

BEST - mezinárodní výzkum porovnávající služby evropských poskytovatelů MHD

TEMO AB Stockholm (švédský koordinátor projektu)

Praha

8.8.


Praha

8.9.

Výběrové statistické zjišťování u vybrané skupiny obyvatel hl.m. Prahy – odhad hybnosti v pracovním dnu u závisle výdělečně činných osob s trvalým bydlištěm v hl.m.P Průzkum dopravního chování obyvatel trvale bydlících na území hl. m. Prahy

Praha

8.10. Průzkum dopravního chování obyvatel bydlících v ubytovacích zařízeních na území hlavního města prahy 8.11. Průzkum dopravního chování Pražanů formou přímé návštěvy ve vybraných pražských domácnostech 8.12. Šetření zaměřené na získání údajů o dopravním chování osob přechodně ubytovaných v ubytovacích zařízeních na území hl.m.Prahy


Praha

8.13. Tarifní systém


Praha

8.14. Chování a reakce cestujících ve skutečné situaci při přepravě v prostředích MHD


Praha

8.15. Komplexní přepravní průzkum metra


Praha

8.16. Celosíťový tramvajový průzkum


Praha

8.17. Průzkum nočních linek TRAM a BUS


Praha

8.18. Oblastní autobusové průzkumy


9. Prostějov

9.1.

Dopravní průzkum města Prostějova

Město Prostějov

Prostějov

9.2.

Anketní dopravní průzkum ve městě Prostějov

Město Prostějov

Praha

Praha




1.1.

1.2.

1.3.

Název průzkumu

Monitoring dopravního chování občanů České republiky

Dopravní chování občanů ČR

Dopravní chování občanů ČR

Zadavatel




Realizátor výzkumu




Území

Celá ČR

Celá ČR

Celá ČR

Předmět šetření

Zjišťuje frekvenci a způsoby cestování občanů ČR.

Opakovaný výzkum frekvence cestování a využívání různých druhů dopravních prostředků občany ČR. Dotázání odpovídali na otázky zjišťující s jakou intenzitou cestují mimo svou obec na větší vzdálenosti – definované délkou cesty větší než 1 hodina, mimo svou obec na kratší vzdálenosti – doba cesty kratší než 1 hodina a v rámci obce, kde bydlí. Zkoumány byly také intenzity využití jednotlivých způsobů dopravy při jejich cestách. Na závěr byly položeny otázky zjišťující změny v dopravním chování občanů v souvislosti se zvyšováním cen pohonných hmot a jízdného v hromadné dopravě.

Opakovaný výzkum frekvence cestování a využívání různých druhů dopravních prostředků občany ČR. Dotázání odpovídali na otázky zjišťující s jakou intenzitou cestují mimo svou obec na větší vzdálenosti – definované délkou cesty větší než 1 hodina, mimo svou obec na kratší vzdálenosti – doba cesty kratší než 1 hodina a v rámci obce, kde bydlí. Zkoumány byly také intenzity využití jednotlivých způsobů dopravy při jejich cestách. Na závěr byly položeny otázky zjišťující změny v dopravním chování občanů v souvislosti se zvyšováním cen pohonných hmot a jízdného v hromadné dopravě.

Zkoumaná populace

Reprezentativní vzorek obyvatel ČR

Reprezentativní vzorek obyvatel ČR (kvótní výběr)

Reprezentativní vzorek obyvatel ČR (kvótní výběr)

Věkové ohraničení

Starší 18 let

Starší 18 let

Starší 18 let

Velikost vzorku

N=916

N=945

N=1042

Způsob dotazování

Výzkum proběhl v rámci programu FACTUM Omnibus

Výzkum byl proveden v rámci programu Factum Omnibus firmy TNS Factum, s.r.o. Dotazování probíhalo prostřednictvím programu Factum Omnibus formou Face-To-Face (osobního dotazování).

Výzkum byl proveden v rámci programu Factum Omnibus firmy TNS Factum, s.r.o. Dotazování probíhalo prostřednictvím programu Factum Omnibus formou Face-To-Face (osobního dotazování).

Termín šetření

květen 2000

duben 2001

duben, květen 2002

Zdroj dat

Tisková informace společnosti SOFRES-FACTUM

Zpráva z průzkumu

Zpráva z průzkumu

1.4.

1.5.

Název průzkumu

Dopravní chování obyvatel České republiky 2003

Dotazníkový průzkum v rámci projektu výzkumu a vývoje v oblasti osobní dopravy

Zadavatel





Území

Celá ČR

Celá ČR, převážně Jihomoravský kraj


Opakovaný výzkum frekvence cestování a využívání různých druhů dopravních prostředků občany ČR. Cílem je posbírat a zákazníkům poskytnout časovou řadu dat o intenzitě cest a využití dopravních prostředků našimi občany. Dotázání odpovídali na otázky zjišťující s jakou intenzitou cestují mimo svou obec na větší vzdálenosti – definované délkou cesty větší než 1 hodina, mimo svou obec na kratší vzdálenosti – doba cesty kratší než 1 hodina a v rámci obce, kde bydlí. Zkoumány byly také intenzity využití jednotlivých způsobů dopravy při jejich cestách. Na závěr byly položeny otázky zjišťující změny v dopravním chování občanů v souvislosti se zvyšováním cen pohonných hmot a jízdného v hromadné dopravě.

Rozsah používání prostředků HD; vnímání nedostatků HD

Zkoumaná populace

Reprezentativní vzorek obyvatel ČR

Cestující HD


Starší 15 let

Bez ohraničení

Velikost vzorku

N=1035

N=100-200


Výzkum proveden v rámci programu Factum Omnibus firmy TNS Factum, s.r.o. Dotazování probíhalo prostřednictvím programu Factum Omnibus formou FaceToFace (osobního dotazování).

Nahodilé rozdávání dotazníků v HD, školách, domově důchodců, respondenti vyplňovali dotazníky sami

Termín šetření

14. 4. – 19. 4. 2003

Každoročně od roku 2003, letní měsíce

Zdroj dat

Závěrečná zpráva z průzkumu


1.6.

1.7.

2.1.

Název průzkumu



Studie proveditelnosti projektu RTN

Zadavatel



Liberecký kraj




Investorsko inženýrská a.s.

Území

Celá ČR

Celá ČR

Zájmové území REGIOTRAM NISA, Liberecký kraj


Dojížďka za prací a do škol

Dojížďka za prací a do škol

Zjištění poptávky po přepravě v zájmovém území REGIOTRAM NISA

Zkoumaná populace

Obyvatelé ČR (dojíždějící za prací a do škol)

Obyvatelé ČR (dojíždějící za prací a do škol)

Domácnosti


Starší 6 let

Starší 6 let

Starší 6 let

N=1 745 116 (žáci a studenti) N=4 287 908 (do zaměstnání)

N=12016 (osob)

Velikost vzorku Způsob dotazování

Dotazník vyplňuje sám respondent v domácnosti

Dotazník vyplňuje sám respondent v domácnosti

Anketní průzkumy v domácnostech v celé oblasti a ve vozidlech, dopravní průzkumy ve vozidlech

Termín šetření

2. března 1991

1. března 2001

únor - březen 2004

Zdroj dat

ČSÚ

ČSÚ

Internet

3.1.

3.2.

3.3.

Název průzkumu

Spokojenost občanů s místním společenstvím


Cesty dětí do škol a zpět

Zadavatel



Magistrát města Hradec Králové


AUGUR Consulting s.r.o.

CityPlan spol. s.r.o.

Odbor školství a volnočasových aktivit dětí a mládeže MMHK

Území

Hradec Králové

Hradec Králové

Hradec Králové


Názory, postoje, preference a potřeby obyvatel Hradce Králové

Počet každodenních cest a čas strávený cestováním, druh cesty a druh dopravy, celková průměrná denní vzdálenost na osobuna druh cesty a způsob dopravy

Způsob dopravy dětí mezi domovem a školou

Zkoumaná populace

Obyvatelé Hradce Králové, starší 18 let, kvótní výběr

Obyvatelé Hradce Králové a okolí

Žáci ZŠ, jejichž zřizovatelem je Město Hradec Králové


---

---

---

Velikost vzorku

N=1000

N=1200

N=6828


Standardizovaný dotazník, distribuce prosřednictvím osobního kontaktu školenými tazateli

Vyplňování formuláře tazatelem

Dotazníkové šetření, sestavení dotazníku podle metodických pokynů indikátoru B6 (součást metodiky Společných evropských indikátorů), distribuce dotazníků do ZŠ a jednotlivých tříd.

Termín šetření

září, 2003

2003, 2005

listopad 2003, 2005

Zdroj dat

Internet

Internet

Internet

4.1.

4.2.

4.3.

4.4.

Název průzkumu

Dopravní sčítání v ČR

Dopravní průzkum vztahů pro tvorbu dopravního modelu jako podklad pro tvorbu územního plánu města

Průzkumy využití linek MHD

Průzkum pěšího pohybu v centru města (podklad pro studii živé centrum města)

Zadavatel



Magistrát města Liberec, DPML



Bude doplněno

Bude doplněno

Bude doplněno

Bude doplněno

Území

Liberec

Liberec

Liberec

Liberec


Bude doplněno

Bude doplněno

Bude doplněno

Bude doplněno

Zkoumaná populace

Bude doplněno

Bude doplněno

Bude doplněno

Bude doplněno


Bude doplněno

Bude doplněno

Bude doplněno

Bude doplněno

Velikost vzorku

Bude doplněno

Bude doplněno

Bude doplněno

Bude doplněno


Bude doplněno

Bude doplněno

Bude doplněno

Bude doplněno

Termín šetření

Bude doplněno

1996

1996 – 2001

1992 - 1993

Zdroj dat





5.1.

5.2.

6.1.

Název průzkumu

Anketní průzkum domácností v rámci zpracování Generálního dopravního plánu města Ostravy

Průzkumy inzenzity dopravy

Průzkum spokojenosti cestujících s městskou hromadnou dopravou

Zadavatel





Firma UDIMO s.r.o.

Území

Ostrava a obce obsluhované MHD

Ostrava

Městské části Pardubic


Vybavenost domácností dopravními prostředky (počet osobních automobilů, počet ujetých km v roce, umístění vozidla - v garáži, na parkovišti apod., počet motocyklů a jízdních kol aj.). Údaje o osobách (pohlaví, věk, zaměstnání, vlastnictví síťové jízdenky DPMO, kde se nacházela v den průzkumu). Záznam o cestách za rekreací v určenou sobotu a neděli (místo rekreace, použitý dopravní prostředek, den odjezdu a příjezdu). Záznam o cestách v určený pracovní den v období 0,00 – 24,00 h (místo a adresa začátku cesty, místo a adresa cíle cesty, čas začátku a konce cesty, použitý dopravní prostředek).

Intenzita dopravy na vybraných silnicích I., II., III. třídy a na místních komunikacích I. a II. třídy

---

Zkoumaná populace

Domácností v Ostravě a v sousedních obcích obsluhovaných MHD, cca 2,4 % ze 120 000 domácností

Věkové ohraničení Velikost vzorku Způsob dotazování

A M A S I A – Agentura marketingových a sociálně informačních analýz, s.r.o.

---

Cestující, kvótní výběr, poměrné zastoupení městských částí podle počtu obyvatel Starší 15 let

N=3116

---

N=600

---

Metoda sčítání vozidel, od 2005 podle Metodiky sčítání intenzit dopravy. Sčítání prováděno na vybraných křižovatkách a profilech, kordonu města a centra. Ke sčítání použity dohledové ústředny se sčítáním přechodů nebo křižovatek řízených SSZ, sčítací karty NC30X, ruční sčítání se zápisem do formulářů. Každoročně - jarní (duben – červen), podzimní (září – říjen)

Forma standardizovaných rozhovorů face to face, uskutečněno pracovníky tazatelské sítě AMASIA. Dotazník pro standardizovaný rozhovor obsahoval 14 meritorních a 5 identifikačních otázek



---

Termín šetření

květen, 1993

Zdroj dat


---

listopad, prosinec 2003

7.1.

7.2.

Název průzkumu

Chování klienta MHD v Plzni

Cycle 21 - analýza potřeb budování cyklistické infrastruktury

Zadavatel

PMDP, a.s.

COŽP UK


---

COŽP UK/sběr dat SC & C

Území

Plzeň

Plzeň - rezidenční lokality (sídliště Lochotín + Slovany)


Průzkum dopravního chování

Dopravní chování obyvatelstva, všechny účely cest, postoje k jednotlivým typům dopravy, stanovená ochota častějšího využívání cyklistické dopravy.

Zkoumaná populace

---

Rezidenti


---

Starší 18 let

Velikost vzorku

---

N=763


---

Osobní dotazník - sběr v domácnostech

Termín šetření

říjen, 2006

červen - červenec 2004

Zdroj dat

PMDP, a.s.

COŽP UK

8.1.

8.2.

8.3.

8.4.

Název průzkumu

Šetření v domácnostech zaměřené na získání údajů o dopravním chování obyvatel na území pražské příměstské oblasti

Průzkum dopravního chování obyvatel trvale bydlících v pásmu Pražského metropolitního regionu

Spokojenost zahraničních návštěvníků Prahy s pražskou MHD


Zadavatel






Specializovaná firma


STEMMARK

STEMMARK

Území

PPMR - pásmo Pražského metropolitního regionu

PPMR - pásmo Pražského metropolitního regionu

Praha

Praha


---

---

Spokojenost zahraničních návštěvníků Prahy s pražskou MHD


Zkoumaná populace

Trvale bydlící

Trvale bydlící

Zahraniční turisté a návštěvníci Prahy, kvótní výběr

Obecná populace Prahy, kvótní výběr


---

---

Starší 15 let

Starší 16 let

Velikost vzorku

---

---

N=520

N=1000


Návštěva v domácnostech respondentů


Face-to-Face dotazování na základě standardizovaného dotazníku ve čtyřech jazykových verzích, sběr na ulici

Kvantitativní telefonický výzkum (CATI), v domácnostech respondentů

Termín šetření

1996/7, v pracovní den, jarní nebo podzimní období

2006, v pracovní den, jarní nebo podzimní období

srpen, 2004

duben, 2005

Zdroj dat



STEMMARK

STEMMARK

8.5.

8.6.

8.7.

Název průzkumu



BEST - mezinárodní výzkum porovnávající služby evropských poskytovatelů MHD

Zadavatel



TEMO AB Stockholm (švédský koordinátor projektu)


STEMMARK

STEMMARK

STEMMARK

Území

Praha

Praha

Praha




Mezinárodní výzkum porovnávající služby evropských poskytovatelů MHD (BEST)

Zkoumaná populace


Cestující



Starší 15 let

---

Starší 16 let

Velikost vzorku

N=400

N=10

N=1000



Kvalitativní výzkum formou Focus Group Discussions - skupinová diskuse, v sídle STEM/MARK


Termín šetření

leden, 2004

únor, 2004

duben, 2005

Zdroj dat

STEMMARK

STEMMARK

STEMMARK

8.8.

8.9.

8.10.

Název průzkumu

Výběrové statistické zjišťování u vybrané skupiny obyvatel hl.m. Prahy

Průzkum dopravního chování obyvatel trvale bydlících na území hl. m. Prahy

Průzkum dopravního chování obyvatel bydlících v ubytovacích zařízeních na území hlavního města prahy

Zadavatel








Území

Praha

Praha

Praha


Odhad hybnosti v pracovním dnu u závisle výdělečně činných osob s trvalým bydlištěm v hl.m.Prahy

---

---

Zkoumaná populace

Trvale bydlící – jen vybraná skupina

Trvale bydlící

Přechodně ubytovaní


---

---

---

Velikost vzorku

---

---

---





Termín šetření




Zdroj dat




8.11.

8.12.

8.13.

8.14.

Název průzkumu

Průzkum dopravního chování Pražanů formou přímé návštěvy ve vybraných pražských domácnostech

Šetření zaměřené na získání údajů o dopravním chování osob přechodně ubytovaných v ubytovacích zařízeních na území hl.m.Prahy

Tarifní systém

Chování a reakce cestujících ve skutečné situaci při přepravě v prostředích MHD

Zadavatel








STEMMARK

STEMMARK

Území

Praha

Praha

Praha - 5 sběrných míst

Praha - Městské a příměstské linky autobusů MHD


---

---

Znalost a využívání různých typů jízdenek, nákup jízdenek a zájem o nové typy jízdenek mezi cestujícími, kteří využívají pražskou MHD

Chování a reakce cestujících ve skutečné situaci při přepravě v prostředích MHD

Zkoumaná populace

Trvale bydlící

Přechodně ubytovaní

Obecná populace Prahy

Cestující, kvótní výběr


Starší 6 tet

---

15 - 74 let

---

Velikost vzorku

---

---

N=1000

N=320





Zúčastněné pozorování chování cestujících v autobusech, Face-ToFace dotazování cestujících, kteří použili některé z nových sedadel

Termín šetření

1994/5, v pracovní den, jarní nebo podzimní období


květen, 2004

únor, 2004

Zdroj dat



STEMMARK


8.15.

8.16.

8.17.

8.18.

Název průzkumu

Komplexní přepravní průzkum metra

Celosíťový tramvajový průzkum

Průzkum nočních linek TRAM a BUS

Oblastní autobusové průzkumy

Zadavatel






DP, a.s. a externí firma

DP, a.s.

DP, a.s.

DP, a.s.

Území

Praha, celá síť metra

Praha, celá síť tramvají

Praha, celá síť tramvají a autobusů

Praha, vybraná oblast autobusové sítě


Popis sítě metra a jejích parametrů, popis provedených cest, popis zátěží úseků sítě metra

Popis zátěží úseků sítě tramvají

Popis zátěží úseků sítě tramvají a autobusů; popis zatížení zastávek

Popis zátěží úseků autobusových linek

Zkoumaná populace

---

---

---

---


---

---

---

---

Velikost vzorku

---

---

---

---


Štítková metoda při vstupu a výstupu z metra

Metoda zápisu počtu cestujících ve vozech mezi jednotlivými zastávkami do formulářů realizace průzkumu

Metoda zápisu počtu cestujících ve vozech mezi jednotlivými zastávkami, včetně obratu cestujících na zastávkách do formulářů realizace průzkumu

Metoda zápisu počtu cestujících ve vozech mezi jednotlivými zastávkami do formulářů realizace průzkumu

Termín šetření

listopad 1995, duben 2000, listopad 2004

listopad 1999, březen 2005

Provádí se nepravidelně. Poslední provedený výzkum: duben, květen 2006

Zdroj dat




Vždy interval 2 - 3 roky, poslední provedené: J - březen 2006; S - říjen 2005; V - říjen 2006; JZ - březen 2004; SZ - říjen 2003 Dopravní podnik hl. m. Prahy

9.1.

9.2.

Název průzkumu

Dopravní průzkum města Prostějova

Anketní dopravní průzkum ve městě Prostějov

Zadavatel

Město Prostějov

Město Prostějov


UDIMO spol. s r.o.;

UDIMO spol. s r.o.

Území

Prostějov

Prostějov


Směrový průzkum automobilové dopravy, průzkum vybraných křižovatek resp. průzkum intenzit dopravy na vybrané komunikační síti města Prostějova. Účelem směrového průzkumu bylo především zjištění směrování dopravy, stanovení tranzitní, cílové a zdrojové dopravy, vnitřní dopravy a tranzitní dopravy vůči centru města. V křižovatkách byly pro potřeby posouzení výkonnosti resp. kapacity evidovány také směry pohybů vozidel.

Dotazníkový průzkum domácností zjišťuje základní dopravní charakteristiky a běžné přepravní vazby ve městě, zároveň také poskytuje některé sociální a ekonomické údaje o jeho obyvatelích, čímž vhodně doplňuje a upřesňuje některá dříve získaná statistická data. Poskytuje údaje o denních cestách členů domácností, vybavení domácnosti dopravními prostředky, údaje o osobách.

Zkoumaná populace

---

Obyvatelé města Prostějov, domácnosti


---

---

Velikost vzorku

---

N=378


Záznam SPZ (státní poznávací značka) resp. RZ (registrační značka) vozidla; průzkumné práce zajišťovali studenti SŠ

Vlastní distribuci, poskytnutí informací respondentům a následný sběr vyplněných dotazníků provedlo 25 vyškolených studentů gymnázia

Termín šetření

duben, 2006

listopad, 2005

Zdroj dat

Internet

Internet


1.3 Metaanalýza studií dopravního chování Zdrojem dat pro meta-analýzu jsou vybrané výzkumy/průzkumy dopravního chování obyvatel České republiky za rok 1990 – 2006 identifikované v rámci aktivity 1.2 tohoto výzkumného projektu (viz předchozí kapitola). Na základě databáze dostupných výsledků výzkumů/průzkumů dopravního chování byly dotčené instituce opět osloveny s žádostí o poskytnutí výsledků svých studií pro účely sekundární analýzy.

1.3.1 CÍL A OBECNÝ POSTUP META-ANALÝZY Cílem meta-analýzy, jako jednoho typu přehledu o výsledcích v oblasti dopravního chování a volby dopravního prostředku, je porovnání účinků / efektů zjištěných v individuálních studiích realizovaných na území České republiky. Meta-analýza tak představuje způsob, jak zobecnit výsledky výzkumu ve sledované oblasti a případně identifikovat charakteristiky studií, jejich uspořádání, použité statistiky nebo zkoumané subpopulace, které mohou mít na výsledky studií významný efekt. Předpokladem provedení meta-analýzy je shromáždění studií, které používají přibližně stejné metody sběru a analýzy dat o volbě dopravního prostředku na každodenní cesty. V tomto případě se jedná o výběrová, dotazníková šetření způsobu každodenního dojíždění a cestování a to pouze v rámci vybraných městských oblastí či obcí. Meta-analýza může mít podobu kvantitativní nebo kvalitativní. Volba typu metaanalýzy zpravidla souvisí s množstvím analyzovaných studií a možností porovnávat v nich obsažené výsledky statistickými metodami. V obou případech by však měl být přístup integrativní, neboli usilovat o identifikaci efektu společných rysů a rozdílů na zkoumaný předmět napříč analyzovanými studiemi.

1.3.2 POSTUP Konkrétně jsme při meta-analýze českých studií dopravního chování a volby dopravního prostředku postupovali podle následujících kroků: I) Definice výzkumného problému II) Vyhledávání a selekce primárních studií III) Vytváření matice dat kódováním IV) Agregace výsledků jednotlivých studií V) Interpretace a prezentace výsledků Ad I. Definice výzkumného problému

33


Předmět meta-analýzy je v první fázi definován velice obecně a je jím identifikace 1) proměnných vysvětlujících individuální volbu dopravního prostředku obyvatelstva České republiky při cestách v rámci obce či města a 2) směr vlivu vysvětlujících proměnných na volbu dopravního prostředku. Zajímá nás primárně efekt socio-ekonomických a prostorových proměnných a charakteristik zkoumaných cest na volbu dopravního prostředku. Široká úvodní definice problému i relevantních proměnných umožňuje do dalšího výzkumu zahrnout co nejširší spektrum studií. Ad II. Vyhledávání a selekce primárních studií Zdrojem dat pro tuto meta-analýzu jsou studie dopravního chování a volby dopravního prostředku realizované na území ČR, jejích regionů či měst, a to takové, které obsahují výsledky týkající se každodenní mobility / dojíždění v rámci měst a obcí. Jedná se zpravidla o studie zpracované za účelem plánování a návrhů změny nabídky dopravní infrastruktury. Studie byly zpracovány soukromými či veřejnými konzultačními a výzkumnými organizacemi. Z tohoto důvodu nejsou zpravidla publikovány v odborných periodicích. Studiemi v tomto textu rozumíme souhrnné výsledky empirických, většinou dotazníkových šetření, jakými jsou výzkumné a závěrečné zprávy. Jsou to buď závěrečné zprávy z průzkumu/výzkumu zaslané na žádost realizátora šetření nebo publikované papírově či na internetu anebo data o výsledcích výzkumů vyplněná realizátory do námi připraveného formuláře. Druhá možnost získání dat byla zvolena v případech, kdy nebyla závěrečná zpráva z jakéhokoliv důvodu dostupná. Samozřejmou součástí obou zdrojů dat jsou údaje o metodologických aspektech jednotlivých výzkumů (termínu realizace, cílové skupině, velikosti a typu výběru, atd.). Klíčová slova v názvu, abstraktu či referenci o studii pro účely výběru byly všechny tvary slov a slovních spojení: dopravní chování výzkum / průzkum v oblasti dopravy dopravní průzkum / výzkum dopravní model dopravní sčítání průzkum intenzity dopravy

hromadná doprava cestující přeprava přepravní průzkum místní přeprava průzkum využití linek průzkum hromadné dopravy postoje cestujících preference cestujících spokojenost cestujících chování cestujících klienti MHD tramvajový průzkum autobusový průzkum průzkum metra průzkum linek

mobilita hybnost průzkum pohybu cesty do zaměstnání cesty do škol cyklistika automobilová doprava

34


V prvním kroku jsme shromáždili všechny dostupné výzkumy a průzkumy, které mají v názvu, abstraktu či referenci jedno ze slov nebo slovních spojení uvedených v rámečku. Ze 14 obeslaných institucí jich 6 odpovědělo kladně a poskytlo výsledky o 7 studiích. Ostatní na žádost buď neodpověděli, nebo uvedli, že jimi realizované studie neobsahují námi požadované údaje o volbě dopravního prostředku. Včetně jedné vlastní studie bylo celkem analyzováno 8 studií. Minimálním požadavkem pro další zpracování údajů každé studie je alespoň provedení grafického porovnání frekvence volby dopravního prostředku u jednotlivých socio-ekonomických skupin nebo zobrazení výskytu volby dopravního prostředku v jednotlivých socio-ekonomických skupinách v kontingenční tabulce. Již v této fázi, tzv. výběru 1. stupně, bylo zřejmé, že z důvodu omezeného počtu zkoumaných primárních studií a velmi omezené škály metod použitých ke zkoumání efektu socio-demografických a prostorových proměnných bude nutné provést analýzu kvalitativním způsobem. S výjimkou vlastní studie dopravního chování Cycle 21 - analýza potřeb budování cyklistické infrastruktury, v níž byl použit mnohorozměrný model logit, Průzkumu dopravního chování obyvatel trvale bydlících na území hlavního města Prahy realizovaného Ústavem dopravního inženýrství, v němž byly efekty zkoumány pomocí chi-kvadrát testu dobré shody, nebyly v analyzovaných studiích použity žádné metody testování vztahu / závislosti volby dopravního prostředku a zkoumaných sociodemografických a prostorových charakteristik. Nejčastěji byla souvislost mezi proměnnými zobrazená pomocí kompozitního sloupcového grafu nebo kontingenční tabulky. Poskytnutá data proto není možné analyzovat prostřednictvím meta-regrese, seskupovací neboli cluster analýzy nebo jiné kvantitativní statistické metody. Místo toho je provedeno takzvané sčítání hlasů. U každé proměnné, jejíž vliv na volbu dopravního prostředku je předmětem analýzy, jsou sečteny výskyty kladného či záporného znaménka a frekvence výskytů kvalitativně interpretována. Přestože není možné platnost vztahů volby dopravního prostředku a individuálních charakteristik v analyzovaných studiích statisticky testovat, poskytují jednotlivé studie hodnotné informace o možných trendech, které testujeme ve vlastním dotazníkovém šetření (aktivity 1.6 a 1.7). Ad III. Vytváření matice dat kódováním Veškeré získané údaje o výsledcích primárních studií byly zaznamenány do společné datové matice (viz příloha I). V souladu s cílem této meta-analýzy, kterým je identifikace 1) proměnných vysvětlujících individuální volbu dopravního prostředku obyvatelstva České republiky a 2) směr tohoto vlivu, byly zkoumáno následujících 33 proměnných (viz následující rámeček). Metodologické charakteristiky studií byly zahrnuty z důvodu kontroly porovnatelnosti výsledků jednotlivých studií. 1) Identifikační údaje průzkumu/výzkumu:* a. pořizovatel b. název

35


c. rok sběru 2) Charakteristiky sběru: a. způsob sběru b. výběr c. velikost vzorku d. prostorový rozsah sledované mobility e. cílová populace f. věkové ohraničení cílové populace 3) Volba dopravního prostředku (= použité druhy dopravy) mohla být v jednotlivých průzkumech zjišťována některým z níže uvedených způsobů: a. dopravní prostředek použitý v jeden sledovaný / experimentální den b. dopravní prostředek nejčastěji používaný na vybraný účel c. dopravní prostředek používaný např. více než 2-krát týdně d. typicky používaný dopravní prostředek 4) Způsob sledování / testování vztahu volby dopravního prostředku a sociodemografických proměnných: a. grafické zobrazení (sloupcový graf, koláčový graf, atd.) b. kontingenční tabulka c. chi-kvadrát test dobré shody d. model (lineární regresní model, model diskrétní volby: binomický, multinomický logit, probit) 5) Socio-ekonomické proměnné: a. pohlaví – muž b. věk c. příjem d. vzdělání e. ekonomická aktivita – pracující 6) Prostorové charakteristiky: a. velikost místa bydliště b. typ bydlení – byt / dům c. místo bydliště – centrum 7) Účel sledovaných cest: a. práce b. nákup c. rekreace 8) Vzdálenost cesty 9) Odhadovaný podíl jednotlivých dopravních prostředků na dělbě přepravní práce: a. auto b. hromadná doprava c. pěší d. kolo * V případě, že se jedná o průzkum obsažený v existující databázi, bylo uvedeno pouze číslo „Označení“.

Vzhledem k použití různých metod zkoumání efektu individuálních proměnných na volbu dopravního prostředku, byly hodnoty proměnných kódovány s pomocí sady

36


znamének popisujících směr efektu. Přehled použitých znamének uvádíme v následující tabulce. +

Pouze kladný efekt na volbu příslušného DP

-

Pouze záporný efekt na volbu příslušného DP

+/-/+ ++ / --/+ + / -- / ++

V oblasti nižších hodnot kladný, v oblasti vyšších hodnot záporný efekt na volbu příslušného DP V oblasti nižších hodnot záporný, v oblasti vyšších hodnot kladný efekt na volbu příslušného DP V oblasti nižších hodnot kladný, v oblasti vyšších hodnot záporný efekt na volbu příslušného DP (asymetrické rozdělení) V oblasti nižších hodnot záporný, v oblasti vyšších hodnot kladný efekt na volbu příslušného DP (asymetrické rozdělení) V oblasti nižších hodnot kladný, v oblasti vyšších hodnot záporný efekt na volbu příslušného DP (asymetrické rozdělení) V oblasti nižších hodnot záporný, v oblasti vyšších hodnot kladný efekt na volbu příslušného DP (asymetrické rozdělení)

0

Ani kladný, ani záporný efekt na volbu DP

ch

Chybějící údaje

Ad IV. Agregace výsledků jednotlivých studií Agregace výsledků jednotlivých studií byla provedena metodou prostého sčítání hlasů. S výjimkou dvou případů se primární studie při zkoumání efektů socio-demografických a prostorových proměnných na volbu dopravního prostředku omezily na prosté porovnání četností a vyjádření rozdílů v četnosti mezi kategoriemi prostřednictvím kontingenčních tabulek či sloupcových grafů. Efekty a jejich velikosti nejsou v primárních studiích statisticky testovány a neposkytují tedy žádnou informaci o statistické významnosti prezentovaných výsledků. Pouze jedna ze studií testuje ne/závislost volby na individuálních charakteristikách jedince chi-kvadrát testem, jedna studie testuje efekt s pomocí modelu multinomického logitu. Protože by nebylo smysluplné statisticky agregovat pouze výsledky ze dvou studií, které to umožňují,28 porovnáváme metodou prostého sčítání hlasů výsledky všech studií zahrnutých do matice dat a to nehledě na statistickou významnost pozorovaného efektu. Sčítáme frekvence výskytů daného směru či průběh efektu každé zkoumané proměnné pomocí kódovacích znamének (viz výše). Celkový výskyt kladných, záporných a kombinovaných efektů u jednotlivých proměnných je následně kvalitativně interpretován.

28

Z téhož důvod nebylo možné provést citlivostní analýzu.

37


Ad V. Výsledky a interpretace Meta-analýza zahrnuje výsledky studií realizovaných v období let 1998 – 2005. Ve všech případech se jedná o osobní standardizované dotazníkové šetření provedené tzv. metodou face-to-face; tři studie uvádí, že bylo dotazování provedeno v domácnostech, ostatní byla provedena buď na ulici, nebo studie tento údaj neuvádí. Výběr byl ve všech případech proveden s pomocí kvót, v jednom navíc s náhodným krokem číslování a výběru uličních úseků a v jednom v kombinaci s pravděpodobnostním výběrem. Velikosti vzorků se pohybují v rozmezí 350 až 11 694 dotázaných. Sedm šetření bylo provedeno pouze na území vybraného města (Prahy, Plzně, Pardubic, Jihlavy a Hradce Králové), jedno šetření na celém území ČR. S výjimkou šetření pražské populace byla cílová skupina ohraničena věkem. Ve dvou případech na osoby starší 18 let, ve dvou starší 15 let, v jednom 16–69 let, ve dvou na osoby starší 6 let. Všechny analyzované studie se navzájem liší operacionalizací proměnné volby dopravního prostředku. V závislosti na volbě dopravního prostředku, který je předmětem té které studie, jsou použity následující specifikace: 1) použití auta, MHD, kola či chůze alespoň dvakrát týdně, 2) volba dopravního prostředku ve sledovaný den, neboli výskyt dopravního prostředku v denním snímku, 3) počet cest daným DP za jeden pracovní den, 4) pravidelnost použití kola (4 nominální kategorie), 5) způsob využití kola (4 nominální kategorie: nejezdí, jezdí jen sportovně a nechce po městě, jezdí i účelně, jezdí sportovně, ale nechá se přesvědčit i na město), 6) počet jízd na linkách MHD a 7) typický dopravní prostředek použitý na typickou cestu. Tři studie zkoumají volbu pouze jednoho dopravního prostředku (kola nebo hromadné dopravy), ostatních pět volbu více dopravních prostředků najednou. Celkem ve čtyřech případech je zkoumán efekt vysvětlujících proměnných na volbu auta, v šesti případech na volbu hromadné dopravy, v šesti případech na volbu kola a ve čtyřech na cesty konané pěšky.

1.3.3 VÝSLEDKY Souhrnné výsledky provedené meta-analýzy uvádíme vždy v grafu zobrazujícím samostatný efekt vybrané proměnné na volbu jednotlivých dopravních prostředků. Zelené sloupce v grafech označují kladné a nejprve rostoucí a poté klesající efekty. Oranžové sloupce označují záporné a nejprve klesající a poté rostoucí efekty sledovaných proměnných na volbu daného dopravního prostředku. Bílý sloupec označuje, že proměnná v dané studii neměla na volbu dopravního prostředku žádný efekt. Délka sloupce označuje počet výskytu určitého výsledku v datové matici. Grafické zobrazení efektu proměnné na volbu dopravního prostředku je vždy doplněno popisem a interpretací výsledků. Ve studiích byl zkoumán vliv následujících socio-demografických proměnných na volbu dopravního prostředku: pohlaví, věk, příjem, vzdělání a ekonomická aktivita (zaměstnání nebo práce na plný úvazek nebo podnikatelská činnost). Vztah mezi pohlavím a volbou dopravního prostředku je konzistentní napříč všemi čtyřmi studiemi, které příslušné údaje obsahují. Automobil a kolo volí častěji muži, hromadnou dopravu a chůzi naopak ženy.

38

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR Graf 2: pohlaví - muž

Graf 1: věk 4

4 "+"

3 2

"+/-"

1 0 -1

auto

MHD

kolo

chůze

"0" "-/+"

-2 -3

"-"

-4

"+"

3 2

"+/-"

1 0 -1

"0" auto

MHD

kolo

chůze

-2 -3 -4

Vysvětlivky ke grafům: Hodnota na svislé ose uvádí počet studií, v nichž byl zjištěn příslušný směr efektu + +/0 -/+ -

Pouze kladný efekt na volbu příslušného DP V oblasti nižších hodnot kladný, v oblasti vyšších hodnot záporný efekt na volbu příslušného DP Ani kladný, ani záporný efekt na volbu DP V oblasti nižších hodnot záporný, v oblasti vyšších hodnot kladný efekt na volbu příslušného DP Pouze záporný efekt na volbu příslušného DP

Efekt věku na volbu dopravního prostředku je poněkud složitější. Shodné jsou v dostupných studiích výsledky týkající se volby kola. To volí vždy častěji nebo s větší pravděpodobností mladší lidé, než starší. Jedna studie efekt věku na volbu kola neprokázala. Zkoumané studie se neshodují v závěrech o efektu věku na používání hromadné dopravy. Podle pražské studie volí hromadnou dopravu spíše starší, podle plzeňské naopak mladší osoby (beta koeficient efektu je však relativně malý). V pardubické studii má věk efekt ve tvaru U, což znamená, že hromadnou dopravu volí častěji mladí a staří, střední věkové kategorie méně. Tento průběh efektu by mohl vysvětlit, proč se první dvě studie v popsaném efektu věku na volbu hromadné dopravy neshodují. Použité metody buď neumožňují zachycení nelineárního efektu, nebo mohou použitá znaménka odkazovat pouze k části průběhu funkce a opačný směr v jiné části ignorovat. Jednoznačnější je efekt věku na volbu auta. Častěji jedou autem osoby ve středním věku, než mladí a staří. Přesto jedna plzeňská studie efekt věku vůbec neprokázala. Efekt věku na pěší chůzi neprokázala jediná studie, která tento údaj obsahuje. V pražské studii byla vytvořena společná kategorie volby chůze nebo dopravy na kole.29 Chůzi nebo cestu na kole volí mladí a staří spíše než lidé ve středním věku. Efekt příjmu je konzistentní pouze u volby auta, které častěji volí osoby s vyšším příjmem. Efekt příjmu na volbu hromadné dopravy je zkoumán pouze ve dvou studiích. Výsledky jsou navíc rozporuplné. Zatímco jedna z plzeňských studií referuje o negativním efektu, což znamená, že HD volí spíše osoby s nižším příjmem, studie 29

Sloučení obou způsobů dopravy do jedné kategorie však není příliš vhodné. Spíše než o jednu homogenní skupinu uživatelů se pravděpodobně jedná o dvě poměrně odlišné skupiny. Jejich charakteristiky však lze obtížněji identifikovat a můžeme pouze odhadovat, zda jsou pravděpodobnými uživateli kola ti mladší v této skupině a zda je věk v případě chodců vůbec významným faktorem.

39

"-/+" "-"


dojíždění v obcích na celém území ČR uvádí efekt pozitivní. To znamená, že hromadnou dopravou spíše jezdí lidé s vyšším příjmem. Zde je však nutné upozornit na významný rozdíl v typu zkoumané mobility. Zatímco první z obou studií se zabývá dojížděním v rámci velkého města, druhá zahrnuje i dojíždění v rámci malých měst a obcí. To by mohlo vysvětlovat pozitivní efekt příjmu, neboť u cest na menší vzdálenosti by se mohlo jednat ve větší míře o volbu hromadné dopravy jako substitutu chůze či jízdy na kole spíše než automobilu. Co se týče volby kola, tak v jedné studii se efekt příjmu neprokázal, v jedné je pozitivní, ve dvou nejprve rostoucí, poté klesající. To znamená, že kolo častěji volí osoby se středním nebo vyšším příjmem. Také osoby se středním příjmem chodí častěji pěšky.

Graf 3: příjem

Graf 4: vzdělání

4

4 "+"

3 2

"+/-"

1

"0"

0 -1 -2 -3

auto

MHD

kolo

chůze "-/+" "-"

-4

"+"

3 2

"+/-"

1

"0"

0 -1

auto

MHD

kolo

chůze

-2 -3 -4

Efekt vzdělání na volbu dopravního prostředku byl zkoumán pouze ve třech studiích, výsledky jsou však poměrně konzistentní. Auto volí častěji osoby s vyšším vzděláním. Kolo osoby se středním a vyšším vzděláním. Jedna studie uvádí efekt negativní, slučuje však do jedné kategorie pěší a cyklisty, a proto je interpretace obtížná. Efekt vzdělání na volbu hromadné dopravy se ani v jedné studii neprokázal. Efekt ekonomické aktivity jednotlivce byl zkoumán v kategoriích zaměstnanec nebo pracující na plný úvazek, podnikatel, student či důchodce. Jedna studie uvádí pozitivní efekt na volbu auta u zaměstnavatelů a zaměstnanců, dvě studie u osob samostatně výdělečně činných, v jiné studii se však významný efekt na volbu auta nepotvrdil. Plzeňská studie uvádí záporný efekt na volbu hromadné dopravy u pracujících na plný úvazek, královehradecká u podnikatelů. Stejně tak pardubická studie, která ještě doplňuje údaj o častější volbě hromadné dopravy u studentů a důchodců. Pražská studie uvádí častější využívání hromadné dopravy u zaměstnanců, studentů, důchodců a nezaměstnaných. Efektem ekonomické aktivity na volbu kola či chůze se nezabývala žádná ze zkoumaných studií.

40

"-/+" "-"

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR Graf 6: bydlení v bytovém domě / městské zástavbě

Graf 6: bydlení v bytovém domě / městské zástavbě

4

4

3

"+"

2

"+/-"

1 0 -1

auto

MHD

kolo

chůze

"0" "-/+"

-2 -3

"-"

-4

3

"+"

2

"+/-"

1 0 -1

auto

MHD

kolo

chůze

"0" "-/+"

-2 -3

"-"

-4

Výrazně obtížnější je shrnutí výsledků zkoumaných studií u efektu prostorových charakteristik na volbu dopravního prostředku, neboť většina z nich takové údaje neobsahuje. Efekt velikosti místa bydliště je zkoumán ve studii, která zahrnuje celou Českou republiku. Podle této studie osoby žijící ve větších městech častěji volí hromadnou dopravu, než osoby z malých měst a obcí, kde naopak převládá cyklistika. Chůze je zase častější ve středně velkých obcích. V této otázce by jistě stálo za to podrobněji zkoumat, zda lidé z malých obcí chůzi do blízkých destinací vůbec zahrnují mezi zkoumané cesty. Efekt na volbu dopravního prostředku má typ bydlení, resp. typ zástavby, ve které jedinec bydlí. Pozitivní efekt na volbu hromadné dopravy, kola a chůze má skutečnost, že jedinec žije v bytovém nebo činžovním domě, kterou je možné do jisté míry považovat za indikátor kompaktní městské zástavby. Negativní efekt má naopak na volbu automobilu. V plzeňské studii, která je však provedena pouze na obyvatelstvu žijícím v kompaktní městské zástavbě, podle očekávání nenacházíme potvrzení efektu bydliště v centru města na volbu dopravního prostředku. Uvádí ho však jihlavská a pardubická studie. V první studii relativně méně osob bydlících v centru cestuje na kole, v Pardubicích zase méně osob žijících v centru volí hromadnou dopravu. V obou případech se nabízí interpretace, že mohou být krátké cestovní vzdálenosti v centrech měst překonány chůzí. Graf 7: bydliště v centru sídla

Graf 8: vzdálenost cesty

4

4 "+"

3 2

"+/-"

1

"0"

0 -1 -2 -3

auto

MHD

kolo

chůze "-/+" "-"

-4

"+"

3 2

"+/-"

1 0 -1

auto

MHD

kolo

chůze

-2 -3 -4

Efekt vzdálenosti cesty či počtu kilometrů ujetých za den na volbu DP je zkoumán pouze ve čtyřech studiích. Ve třech je pozitivní efekt počtu ujetých kilometrů za den na volbu automobilu. V jedné studii má vzdálenost cesty na volbu hromadné dopravy nejprve pozitivní a poté negativní efekt. Znamenalo by to, že na velmi dlouhé cesty je hromadná doprava zvolena méně často a nahrazena jiným dopravním prostředkem,

41

"0" "-/+" "-"


pravděpodobně automobilem. V jiných dvou studiích má však vzdálenost pouze pozitivní efekt. Dvě studie uvádějí negativní efekt vzdálenosti na volbu kola či pěší chůze. Bylo by jistě zajímavé nadále zkoumat, jak se liší cestovní vzdálenosti ve středně velkých městech, a zda je tu kvůli menším cestovním vzdálenostem větší počet cest realizován pěšky, a proto je zde menší podíl cest realizovaných jednak hromadnou dopravou, ale také například na kole. Graf 9: účel cesty - nákup

Graf 10: účel cesty - rekreace

4

4 "+"

3 2

"+/-"

1

"0"

0 -1

auto

MHD

kolo

chůze

-2 -3

"-/+" "-"

-4

"+"

3 2

"+/-"

1

"0"

0 -1

auto

MHD

kolo

chůze

-2 -3 -4

Dále byl předmětem zkoumání efekt účelu cesty na volbu dopravního prostředku. Nutno upozornit, že tomuto efektu byla v analyzovaných studiích věnována pouze selektivní pozornost. Jedna studie uvádí výsledek, že méně často je na cesty do práce používáno kolo. Dvě studie uvádějí, že na cesty na nákupy se významně častěji používá automobil. Jedna uvádí, že častěji jsou cesty na nákupy realizovány pěšky. Pozitivní efekt má rekreační účel cesty na volbu kola a hromadné dopravy. Jedna studie uvádí, že cesty za rekreací jsou častěji uskutečněny pěšky. Lze tedy formulovat hypotézu, že na cesty za činnostmi realizovanými ve volném čase jsou s větší pravděpodobností zvoleny pomalejší dopravní prostředky.

1.3.4 VLIV POUŽITÝCH METOD Z metodologických aspektů, které mohou ovlivňovat primární výsledky, je třeba věnovat pozornost především prostorovému rozsahu sledované mobility a povaze cílové populace. Především je třeba sledovat, jak velké území obyvatelstvo sledované v jednotlivých primárních studiích svou mobilitou pokrývá, a zda se tedy jedná o dojížďku v rámci malých měst a obcí nebo pouze velkých měst. Tato skutečnost např. ovlivňuje délky pravidelně konaných cest a nemáme-li k dispozici nějaký standardizovaný parametr velikosti efektu zkoumané proměnné (např. regresní beta koeficient), můžeme docházet ke zdánlivě protichůdným výsledkům o směru efektu rezidenčních charakteristik jedince jako jsou velikost místa bydliště, rezidence v centru sídla nebo typ městské zástavby na volbu hromadné dopravy, cyklistiky či chůze. V menších městech tak může být například efekt příjmu na volbu hromadné dopravy pozitivní, zatímco ve velkých naopak negativní. Co se týče ostatních metodologických aspektů provedených primárních studií, výsledky nenaznačují, že by byly významně ovlivněny takovými charakteristikami jako je věkové ohraničení cílové populace, způsob dotazování, velikost či typ vzorku.

42

"-/+" "-"


1.3.5 ZÁVĚR Porovnané výsledky efektu socio-demografických proměnných na volbu dopravního prostředku se poměrně dobře shodují s výsledky zahraničních studií dopravního chování. Stejně jako je tomu v aktuálních evropských i světových studiích (viz např. přehled Dargay, 2006 v části 1.1 – na str. 12 a 13) je zřejmé, že ženy v České republice patří ve srovnání s muži méně často mezi ty, kteří ke každodennímu dojíždění volí automobil. Co se týče rozporuplného efektu věku, o němž jsme referovali, uvádí Dargay obdobné výsledky. Ve studiích v Evropě např. De Jong [1996] nebo Abreu e Silva et al. [2006] i USA [Feng et al. 2005] je efekt věku na volbu auta záporný. Znamená to, že automobil volí spíše mladší lidé než starší. Naopak španělská [Asensio et al.,2003], holandská [Steg et al. 2001] a britská studie [Dargay et Hanly 2004] uvádějí nejprve rostoucí, a poté klesající vliv věku na volbu auta., což odpovídá výsledku pardubické studie, v níž jezdí hromadnou dopravou méně často lidé středního věku, než mladí a starší. Golob et Hensher [1998] v australské studii zase uvádějí kladný efekt věku na volbu auta. Co se týče efektu příjmu, vzdělání a ekonomické aktivity na volbu dopravního prostředku, opět námi uváděné souhrnné výsledky korespondují s výsledky evropských studií. Autem jezdí častěji bohatší, vzdělanější a více zaměstnaní lidé. Dargay [2006] uvádí, že autem jezdí také více lidé z domácností, v nichž je celkově vyšší počet pracujících osob. Jak naznačují výsledky provedeného kvalitativního předvýzkumu (výstup 1.4) pro tyto skupiny osob je automobil a jeho využívání nejen finančně dostupnější, nezřídka proto, že náklady hradí zaměstnavatel či vlastní firma, ale mnohdy vyžaduje flexibilní způsob cestování (z hlediska času i volby destinací), který jízda autem představuje, také charakter jejich práce. Výsledky dále naznačují, že existuje souvislost mezi volbou hromadné dopravy a typem osídlení nebo zástavby respondentova bydliště. Skutečnost, že lidé žijící v kompaktní městské zástavbě méně často volí auto, lze jednak vysvětlovat kratšími cestovními vzdálenostmi umožněnými obecně lepší dostupností lokalit, v nichž se pohybují, také ale existencí infrastruktury hromadné dopravy, která je rozvinutější ve větších městech a jejich centrálních částech. Doplňkový k tomuto efektu je negativní efekt vzdálenosti bydliště od centra a velikosti místa bydliště na volbu automobilu, o kterých v zahraničí referují například Fullerton et al [2004] nebo Johansson-Stenman [2002]. K tomu, abychom však mohli činit silné závěry ohledně efektu prostorových proměnných na volbu dopravního prostředku, je třeba relevantní proměnné cíleně zahrnout do šetření realizovaných v různých oblastech (městech) a jejich efekt jednotným způsobem a důsledně statisticky testovat. Máme-li shrnout výsledky provedené meta-analýzy, je třeba se především vrátit ještě jednou k metodologickým charakteristikám primárních studií. Přestože prezentované výsledky sekundární analýzy uvádějí zajímavé rozdíly ve výsledcích jednotlivých „lokálních“ šetření, neumožňují bohužel činit závěry, nakolik například rozdíly v objektivních dopravních charakteristikách měst, v nichž byla šetření provedena, (především v kvalitě dopravní infrastruktury, rozdílech v cenách jízdného, cenách parkovného, dostupnosti míst k parkování, atd.) vysvětlují rozdíly v dopravním chování jednotlivců. Důvodem je především absence standardizovaných proměnných, které by takové srovnání napříč studiemi umožnilo, a nedostatečné statistické testování popisovaných vztahů. 43


Nedostatky ve statistickém zpracování výsledků primárních studií také neumožňují podrobněji se zabývat případnými vztahy korelace mezi jednotlivými vysvětlujícími proměnnými (jako je například příjem, vzdělání a ekonomická aktivita) a identifikovat tak skutečné motivy volby dopravního prostředku, které by vedly ke spolehlivým závěrům ohledně efektu případných regulačních opatření. Pokud chceme porozumět motivům jedinců, které je vedou k danému způsobu, jakým pravidelně cestují, je navíc nutné statistické výsledky doplnit o výsledky získané některou z kvalitativních metod výzkum jednání například způsobem, kterým jsme to provedli v kapitole 1.4. Přes výše uvedené připomínky poskytla provedená sekundární analýza množství závěrů o efektu socio-ekonomických a prostorových charakteristik, na jejichž měření byl následně kladen důraz při přípravě kvantitativního dotazníkového šetření (aktivita 1.6). Odhad síly efektů proměnných identifikovaných při sekundární analýze dat (metaanalýze) spolu s proměnnými identifikovanými v kvalitativním šetření (aktivita 1.4) a rešerši studií dopravního chování (aktivita 1.1) je jádrem analýzy kvantitativních dat (aktivita 1.7).

LITERATURA Abreu e Silva, J. de, T. F. Golob and K. G. Goulias (2006): The effects of land use characteristics on residence location and travel behavior of urban adult workers, Paper presented at the 85th Transportation Research Board Annual Meeting, Washington D.C. Asensio J., A. Matas and J-L Raymond J-L (2003): Redistributive effects of subsidies to urban public transport in Spain, Transport Reviews, Vol.23(4), pp. 433-452. Dargay, J. (2006): Household Behaviour and Environmental Policy: Reviwe of Empirical Studies on Personal Transport Choice. Paper presented at workshop „Household Behaviour and Environmental Policy: Empirical Evidence and Policy Issues“ organised by OECD Environment Directorate, 15-16 June 2006, Paris. Dargay, J. and M. Hanly (2004): Land use and mobility, Proceedings of the World Conference on Transport Research, Istanbul, Turkey. Feng, Y., D. Fullerton, et al. (2005): Vehicle choices, miles driven and pollution policies, Working paper 11553, National Bureau of Economic Research, http://www.nber.org/papers/w11553. Fullerton, D., L. Gan and M. Hattori (2004): A model to evaluate vehicle emission incentive policies in Japan, Department of Economics, University of Texas at Austin. Johansson-Stenman, O. (2002): Estimating individual driving distance by car and public transport use in Sweden, Applied Economics, Vol. 34(8), pp. 959-967. de Jong, G. (1996): A disaggregate model system of vehicle holding duration, type choice and use, Transportation Research Part B, Vol. 30(4), pp. 245-324.

44


Golob, T. F. and D. A. Hensher (1998): Greenhouse gas emissions and Australian commuters' attitudes and behavior concerning abatement policies and personal involvement, Transportation Research Part D, Vol. 3(1), pp. 1-18. Steg, L., K. Geurs and M. Ras (2001): The effects of motivational factors on car use: a multidisciplinary approach, Transportation Research Part A, Vol. 35, pp. 789-806.

45


PŘÍLOHA I: DATABÁZE VÝSLEDKŮ PRIMÁRNÍCH STUDIÍ

46

Regionální empirické centrum při Vyšší odborné škole sociální v Jihlavě

General Marketing pro SVSMP

Spokojenost veřejnosti s MHD ve městě Pardubice 2003

Magistrát města Hradce Králové (CityPlan)



2003

2005

kvóta

kvótní pro lokality s náhodnou procházkou

město Hradec Králové - obyvatelstvo 6+ sledované městské části HK

město Hradec Králové - obyvatelstvo sledované městské části HK 6+

typické cesty do zaměstnání, škol, nákupy, za rekreací a kulturními aktivitami

face-to-face, na ulici

kvótní pro lokality s náhodnou procházkou

1208

1058

SHARE - AUTO

SHARE - MHD

SHARE - PĚŠÍ

SHARE - KOLO

ch

ch

ch

ch

ch

37

31

75

30

+

ch

ch

+

ch

ch

ch

ch

ch

ch

ch

ch

ch

ch

+/+/+

ch ch +

ch ch

+/ch

ch ch ch

ch ch 0

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch +

0 0 ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

ch ch ch

pouze HD

-

+

ch

0

+

"+" zaměstnanci, ch studenti, důchodci, nezaměstnaní

+

ch

ch

ch

ch

ch

ch

ch

ch

ch

pouze IAD

+

+/-

ch

+

+

"+" zaměstnavatelé, OSVČ; zaměstnanci

ch

-

ch

ch

ch

ch

ch

ch

ch

ch

ch

zároveň 0 HD a IAD kolo +

0

ch

0

ch

ch

ch

ch

ch

ch

ch

ch

ch

ch

ch

ch

-

+

ch

ch

ch

ch

-

ch

ch

+

ch

ch

ch

ch

ch

kolo

+

-

+/-- +/-

ch

ch

+

ch

-

ch

+

ch

ch

ch

ch

ch

MHD

ch

- / ++ ch

ch

- / ++

"++" studenti, důchodci

ch

ch

-

++ / - +

+

++ / - ch

ch

ch

ch

kt, sloupcový graf MHD auto kolo pěší

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

+ + -

20

34

29

12

kt, sloupcový graf MHD auto kolo pěší

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

"-" podnikatelé "+" podnikatelé ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch ch

ch ch ch +

ch ch ch +

+ -

23

31

35

6

kt rezidenti 16-69 4 kat.: 1. nejezdí, 2. jezdí, ale jen sportovně a města Plzně nechce po městě, 3. jezdí i účelně, 4. jezdí sportovně, ale nechá se přesvědčit i na město

face-to-face, na ulici

ch

0

pravidelné použití (4kat.) sloupcový, koláčový graf

počet jízd na linkách MHD Pardubice za týden typické cesty do zaměstnání, škol, nákupy, za rekreací a kulturními aktivitami

ch

0 + -

město

15+

ch

0 0 - - / + ch

vícestupňový 850 pravděpodobnostní výběr spojený s kvótním dohledáváním

cestující MHD města Pardubice

ch

+ -

rezidenti 15+ města Jihlavy

standardizované dotazníky face-to-face

+

0 +/-

město

na území jednotlivých městských částí Pardubic (v celku zastoupeny poměrně podle počtu obyvatel)

+/-

ch ch 0

350

kvótní výběr (pohlaví, věk, ekonomická aktivita, místo bydliště, typ používané jízdenky) 600

VZDÁLENOST CESTY

kt Pěšky kt Kolo volba DP ve sledovaný model auto den (výskyt daného DP v dikrétní volby denním snímku) logit MHD kolo počet cest za jeden chi-kvadrát pouze pracovní den daným DP test dobré pěšky shody nebo na kole

ÚČEL CESTY REKREACE

rezidenti města Prahy

ch

ÚČEL CESTY - NÁKUP

město

MHD

ÚČEL CESTY - PRÁCE

11694

rezidenti 18+ města Plzně

kt

MÍSTO BYDLIŠTĚ CENTRUM

upravený kvótní pro území, včetně náhodného kroku číslování a výběru uličních úseků

město

ch

TYP BYDLENÍ - BYT / DŮM

ZVOLENÝ DP / POUŽITÝ / POUŽÍVANÝ DP

face-to-face) v domácnostech)

763

auto

VELIKOST MÍSTA BYDLIŠTĚ

VĚK POPULACE

face-to-face v domácnostech

kt

EKONOMICKÁ AKTIVITA - PRACUJÍCÍ - komentář

CÍLOVÁ POPULACE

použití alespoň 2-krát týdně

POHLAVÍ - MUŽ

PROSTOROVÝ ROZSAH SLEDOVANÉ MOBILITY

18+

VOLBA (DOPRAVNÍHO PROSTŘEDKU)

VZOREK

ČR

TEST

VÝBĚR

v rámci obce

Průzkum názorů obyvatel 2003 face-to-face města Jihlavy na alternativní (VI, VII) dopravní prostředky a možnosti jejich zapojení do dopravní struktury města Cyklistická doprava v Plzni 1998 face-to-face (v domácnostech)

AMASIA - Agentura marketingových a sociálně informačních analýz, s.r.o. pro Dopravní podnik města Pardubice a.s.

Magistrát města Hradce Králové (CityPlan)

SBĚR

ROK SBĚRU 2005

1042

EKONOMICKÁ AKTIVITA - PRACUJÍCÍ

Průzkum dopravního chování obyvatel trvale bydlících na území hlavního města Prahy

2005

kvóta

VZDĚLÁNÍ

Analýza budování cyklistické infrastruktury

face-to-face omnibus

PŘÍJEM

ÚDI

Výzkum frekvence cestování a 2002 využívání různých druhů dopravních prostředků občany ČR

VĚK

COŽP

NÁZEV VÝZKUMU / PRŮZKUMU

POŘIZOVATEL TNS Factum, s.r.o.

sloupcový graf, kt


1.4 Kvalitativní předvýzkum včetně analýzy reakcí na dopravní změny Kvalitativní předvýzkum proběhl ve dvou hlavních vlnách, které byly v průběhu projektu doplněny dalšími 2 vlnami dotazování (Test 1 a 2), v nichž byly testovány jednotlivé verze dotazníku. Celkem tak bylo v průběhu kvalitativního šetření dotázáno 86 osob, z toho 68 v individuálních a 18 skupinových rozhovorech. Tazateli v kvalitativním předvýzkumu byli kvalifikovaní pracovníci řešitelského týmu obeznámení s cíli projektu, jmenovitě Markéta Braun Kohlová, Hana Brůhová-Foltýnová a pracovnice COŽP UK Hana Škopková. Všichni respondenti byli za účast ve výzkumu honorováni. Z rohovorů byly pořízeny zvukové i písemné záznamy. Zvukové záznamy z druhé vlny (výzkum dopravního chování v souvislosti se změnami místa bydliště) byly doslovně přepsány. V průběhu příprav předvýzkumu kontaktoval řešitelský tým pracovníky magistrátu měst Hradce Králové a Pardubic, s nimiž byla konzultována konkrétní dopravní situace v jednotlivých městech a od nichž byla získána data z šetření prováděných v minulosti městem. V mnoha dalších, především organizačních otázkách byla řešitelskému týmu poskytnuta městy a jejich pracovníky významná podpora. Rozsáhlá podpora ze strany pracovníků magistrátů umožnila v dalších fázích kvalitativního předvýzkumu provést rekrutaci dotazovaných osob vlastními silami (metodou sněhové koule). Pouze v první vlně tak byla rekrutace respondentů provedena renomovanou agenturou pro výzkum veřejného mínění SC&C na základě zadaných kvót. Harmonogram kvalitativního předvýzkumu: Termín

Lokalita

Vlna 1 30. 10. – 2. 11. 2006 Hradec Králové Pardubice

Vlna 2 jaro 2007 podzim 2007

Test 1 srpen 2007

Test 2 Listopad 2007

Brno Hradec Králové Pardubice Plzeň Praha Pardubice Plzeň Hradec Králové Pardubice Plzeň

N rozhovorů

Specifické cíle

11 individualních + zkoumání individuálního 18 skupinových dopravního chování, jeho determinant a reakcí na dopravní opatření 19 individualních zkoumání vztahu dopravního chování a (změny) místa bydliště a reakcí na dopravní opatření

20 individualních

testování dotazníku – verze 1

18 individualních

testování dotazníku – verze 2

47


Následujcí text shrnuje výsledky všech provedených fází kvalitativního předvýzkumu a formuluje doporučení, která byla zohledněna při tvorbě dotazníku použitého v kvantitativním šetření. Kromě toho kvalitativní šetření poskytlo samostatné výsledky o efektu volby místa bydliště na změnu dopravního chování. Tyto výsledky jsou využitelné především v otázkách územního plánování jednotlivých měst.

1.4.1 CÍLE PŘEDVÝZKUMU Předvýzkum provedený na populaci obyvatel Hradce Králové, Pardubic a Plzně měl následující rámcové cíle: Obsahové cíle: 1) Poskytnout data kvalitativní povahy, na jejichž základě bude v rámci dalších fází řešení výzkumného projektu možné vytvořit model dopravního chování, který bude testován v kvantitativním sociologickém šetření (aktivita 1.6). 2) Poskytnout samostatné výsledky o tom, jaký je vztah mezi místem bydliště, respektive jeho změnou a cestovním chováním a tedy zaměřit se na dlouhodobé vzorce chování a podmíněnost jejich změn. 3) Zjistit, jakým způsobem lidé v dlouhodobém horizontu reagují na změny dopravní situace v místě bydliště a místě dojížďky jako jsou ceny jízdného, způsoby integrace jízdného, možnosti parkování, atd. Tyto výsledky byly následně zpracovány a v podobě standardizovaných položek začleněny do použitého dotazníku (viz ot. 43 a ot. 44) Metodologické cíle: 4) Testovat použitelnost navrhnutého dotazníku pro výzkum dopravního chování na cílovou populaci, zejména srozumitelnost otázek kladených v dotazníku, možnost zjišťovat údaje kvantitativní povahy typu ujetých cestovních vzdáleností, cestovních nákladů nebo cestovního času. V průběhu předvýzkumu byly testovány dvě základní varianty dotazníku. První varianta obsahovala model cestovního / dopravního chování založený na vyjádřených preferencích (stávajícím chování), druhá varianta model založený na stanovených preferencích (hypotetickém chování v situacích, kdy jsou změněny podmínky, které mohou chování ovlivnit). Na základě výsledků předvýzkumu byla zvolena varianta dotazníku založená na vyjádřených preferencích a tedy stávajícím chování. Více k volbě dotazníku a tvorbě modelu viz kapitola 1.6. 5) Ověřit, zda je možné použít kvótní způsob sběru dat pro rekrutaci osob do šetření dopravního chování a to včetně kvóty na místo bydliště respondenta, resp. domácnosti.

48


Předmětem rozhovorů bylo: i) reálné dopravní / cestovní chování zkoumaných osob, ii) dlouhodobé volby související s dopravním chováním (volby místa výkonu činností), iii) reakce na změny dopravní situace a realizovaná dopravní opatření, iv) postoje k jednotlivým typům dopravy, v) zohlednění cestovních nákladů při volbě dopravního prostředku, vi) charakteristiky jedince a domácnosti. Úplný přehled jednotlivých obsahových problémů uvádí následující rámeček. Dotazníky použité v předvýzkumu jsou přiloženy v příloze na konci této kapitoly. ZKOUMANÉ ASPEKTY DOPRAVNÍHO / CESTOVNÍHO CHOVÁNÍ: 1) popis denní mobility osob vybraných z cílové populace: a. zjišťována byla frekvence konaných cest b. jejich typ c. užitý dopravní prostředek 2) popis cest na vybrané účely (práce, nákupy, sport a ostatní zájmy) z hlediska: a. nejčastěji použitého dopravního prostředku b. alternativně voleného dopravního prostředku c. v minulosti voleného dopravního prostředku d. uvažovaného dopravního prostředku pro cesty v budoucnosti 3) analýza procesu změny nejčastěji užívaného dopravního prostředku (v dlouhodobém časovém horizontu - létech). Zde jsou analyzovány: a. okolnosti spojené s určitou fází životního cyklu b. důvody změny 4) analýza rozhodnutí o dojíždění v rámci městské aglomerace (v dlouhodobém časovém horizontu) a. zohlednění cestovního času a finančních nákladů na dojíždění b. snaha vyhnout se dojíždění, ochota minimalizovat dojíždění c. dojíždění ostatních rodinných příslušníků 5) analýza reakce na změny dopravní situace a na navrhovaná dopravní opatření a. percepce reálných změn b. vliv změny dopravní situace na volbu dopravního prostředku 6) zjišťování postoje k jednotlivým typům dopravy (obecně) 7) zjišťování ochoty změnit nejčastěji používaný dopravní prostředek na pravidelné cesty při možných změnách dopravní situace včetně: a. určení účelů cest, u nichž je ochota vysoká b. odhad potenciálního zvýšení či snížení podílu jednotlivých dopravních prostředků na cestě 8) zjišťování identity jedince týkající se vlastního (reflektovaného) dopravního chování 9) zjišťování souladu dopravního chování dotazovaného se vzorci dopravního chování významných druhých (osob s očekávaným vlivem na chování jedince 10) zohlednění nákladů na dopravu při každodenním dojíždění

49


1.4.2 METODOLOGIE PŘEDVÝZKUMU A USPOŘÁDÁNÍ ŠETŘENÍ Všechny fáze předvýzkumu byly provedeny metodou dotazníkového šetření na populaci osob bydlících a dojíždějících v rámci cílových aglomerací měst Hradce Králové, Pardubic, Plzně a doplňkově také Brna a Prahy. Pro rozhovory byl požadován minimální věk 18 let. Rozhovory byly provedeny s pomocí polo-strukturovaných scénářů. Skupinu v první vlně předvýzkumu tvořilo vždy 6 osob. Skupiny se lišily svým složením. První skupinu tvořily osoby, dojíždějící převážně automobilem, druhou skupinu osoby cestující převážně hromadnou dopravou, třetí skupina byla z hlediska způsobu dopravy heterogenní. V celkovém vzorku bylo kontrolováno rovnoměrné zastoupení skupin podle pohlaví, věku a vzdělání. Výstupem rozhovorů jsou vyplněné dotazníky a audio-záznamy. Vyplněné dotazníky a výtahy z audio-záznamů byly přepsány do datové matice. Data byla posléze roztříděna podle jednotlivých problémových okruhů a na jejich základě zformulovány závěry.

1.4.3 VÝSLEDKY PŘEDVÝZKUMU – VLNA 1 Ochota respondenta využívat častěji jiný dopravní prostředek – hypotetická situace Pro účely testování použitelnosti modelu stanovených preferencí byla zjišťována ochota respondenta využívat častěji jiný než stávající dopravní prostředek (například kolo, pokud by se zlepšila cyklistická infrastruktura). Respondentova ochota byla zjišťována přímým dotazem. Předvýzkum potvrdil, že použití přímého dotazu formulovaného v otázkách 22 – 31 je velice obtížné. Respondenti zpravidla nedokáží předpovědět své chování, pokud neznají přesné podrobnosti navrhované změny. Tyto okolnosti totiž právě podmiňují jejich případnou změnu chování. Výsledky z vlny 1 ukázaly, že chceme-li zahrnout do dotazníku část zjišťující potenciální volbu, je nutné použít jednu ze standardních metod zjišťujících stanovené preference a to např. metodu podmíněného hodnocení nebo výběrový experiment. Nejčastěji je v dopravním výzkumu používán právě výběrový experiment, v němž respondenti volí jednu z alternativ popisující dopravní opatření. Dopravní opatření je popsáno sadou atributů, jejichž hodnoty v jednotlivých alternativách variují. Mezi těmito atributy mohou být obsaženy např.: cena, cestovní čas, komfort, kvalita služeb a dostupnost [srovnej např. Louviere and Street 2000 nebo Louviere, Hensher and Swait 2000]. Možnost zahrnout do dotazníku výběrový experiment byla zkoumána v testu 1. Zde však výsledky poukázaly na obtíže spojené s použitím výběrového experimentu ve třech různých městech zároveň a současně na dojížďku v rámci města i z okolních obcí. Atributy typu cestovní čas či náklady na uskutečnění cesty by totiž musely mít příliš velký počet úrovní, aby zahrnuly všechny smysluplné varianty změny dopravní situace. Velký počet atributů a jejich úrovní však kladl nerealizovatelné požadavky na velikost cílového vzorku a tedy celkové finanční náklady na realizaci dotazníkového šetření. Z tohoto důvodu bylo nakonec od varianty dotazníku obsahujícího výběrový experiment upuštěno.

50


Důvody volby dopravního prostředku na cesty podle účelu včetně implicitního zohlednění cestovních nákladů. Skutečnost, zda respondent vedle ostatních důvodů při volbě dopravního prostředku zohledňuje i cestovní náklady, byla zjišťována v bateriích otázek Q 4, 5, 6, 7. Otázky měly následující znění: „Q4-7b. Jak se mezi alternativami (myslí se mezi dopravními prostředky) rozhodujete?“ „Q4-7f. Jaké důvody jste měl/a ke změně dopravního prostředku?“ „Q4-7h. Proč o alternativě uvažujete?“ Cesty do práce Pokud se obecně dotazujeme na důvody, které ovlivňují respondentovu volbu mezi dopravními prostředky, které střídavě využívá k cestám do práce, jsou finanční náklady uváděny pouze výjimečně. V rozhovorech je uvedl pouze jeden respondent. Ti, co cestují nejčastěji jiným dopravním prostředkem než autem, uvádějí jako hlavní důvod volby auta úsporu cestovního času, resp. následnou možnost zahrnout do denního řetězce dojížďky více činností a tedy dodatečných cest. Tento výsledek je v souladu s teorií [Zahavi 1974], že kritériem optimalizace není cestovní čas, nýbrž množství realizovaných aktivit během poměrně stabilního množství času věnovaného cestování v rámci jednoho dne. Finanční náklady jako důvod změny nejčastěji využívaného dopravního prostředku (v dlouhodobém horizontu) uvedl pouze jeden respondent a to v souvislosti s pořízením automobilu, kterým začalo jezdit více osob v domácnosti („začalo nás jezdit více, je to levnější“). Dvě respondentky uvedly, že o alternativě (jiném než dosud nejčastěji využívaném dopravním prostředku), kterou pro ně představuje auto, uvažují, protože je pohodlnější a rychlejší, ale z finančních důvodů jím jezdit nemohou. Cesty na nákup Při volbě dopravního prostředku rozhoduje nejčastěji velikost nákupu spolu se vzdáleností místa nákupu od bydliště. Nakupují-li lidé v bezprostřední vzdálenosti od místa bydliště, používají častěji nemotorizovaný dopravní prostředek. Pouze 4 z 29 dotazovaných osob v 1. vlně uvedly, že nikdy nejezdí na nákupy autem. Data naznačují, že muži méně často dělají malé nákupy v místě bydliště a lze tak očekávat, že také s menší pravděpodobností volí jiné dopravní prostředky než auto. Cena či cestovní náklady byly jako kritéria volby dopravního prostředku uvedeny v minimálním počtu případů. Nákupy realizuje většina respondentů autem. Pouze 4 z 29 respondentů uvedli, že chodí pěšky, jezdí na kole nebo MHD a auto nevyužívají nikdy. Další fáze předvýzkumu ukázaly, že se častěji jedná o osoby, které realizují nákupy v místních obchodech, a nikoliv supermarketech na okrajích měst. Respondenti shodně uváděli, že se způsob, jakým nakupují, významně změnil od vzniku supermarketů v období 90. let. Přestali nakupovat v místních (domovu blízkých) obchodech a začali jezdit do supermarketů. Také v důsledku toho, že místních obchodů ubývalo. Dalším z uváděných vysvětlení, proč respondenti používají auto na nákupy je,

51


že si auto již pořídili a že ho proto používají a nebo že došlo k celkové změně jejich zvyklostí spojených se změnou zaměstnání. Výsledky tak naznačují, nakolik je volba dopravního prostředku svázána s volbou místa nákupu, která má charakter dlouhodobé volby. Z hlediska modelování se jedná o volbu dopravního prostředku podmíněnou volbou místa výkonu zkoumané činnosti. Není důvod domnívat se, že se taková podmíněnost týká pouze cest na nákupy, ale pravděpodobně také cest spojených s jinými činnostmi. Pokud jsou tedy cesty na nákupy zkoumány samostatně, je nutné buď definovat, o jaké nákupy se jedná („malé“ lokální nebo „velké“ do supermarketů) nebo zjišťovat, zda se jedná o nákupy v docházkové vzdálenosti bydliště či mimo ni. Výsledky totiž naznačují, že „velikost“ nákupu či umístění mimo město vysvětlují volbu dopravního prostředku, resp. častější využití auta. Obecně je však z důvodu omezeného rozsahu v každém dotazníku třeba zvážit, zda mobilitu na nákupy a její charakteristiky zjišťovat zvlášť či pouze jako nespecifikovanou součást mobility ve volném čase. Cesty za sportem Cestování za sportem bylo zjišťováno v odpovědích na otázky v bateriích Q6 b, e, f, h. Při volbě dopravního prostředku respondenti zohledňují čas nebo „rychlý přesun“, volí proto auto. Dalším důvodem je, pokud se aktivity účastní spolu s dětmi. Pokud využívají kolo, pak ho v případě špatného počasí nahrazují jiným způsobem dopravy. Dopravní prostředek jedinci volí podle času, který jim zbývá na cestování a samu aktivitu po ukončení práce. Opět se zde ukazuje, že rozhodovací pravidlo „stihnout v daném čase“ často nahrazuje snahu minimalizovat cestovní čas. Sportovní aktivity navíc často podléhají individuálnímu nebo externímu časovému rozvrhu. Externím časovým rozvrhem mohou být otevírací hodiny či domluva s dalšími rodinnými příslušníky či přáteli. Shrnutí Volba dopravního prostředku na cesty do práce je významně stabilnější a vzdálenost je zpravidla pevně zafixována. Nejčastějším způsobem variace dopravního prostředku jsou: 1) počasí, 2) zda je v plánu pouze cesta do práce, nebo zda bude následována ještě jiným účelem. Kvůli stabilitě a dominanci cest do práce by měl dotazník obsahovat údaje o vzdálenosti cesty do práce, a to jak v kilometrech, tak v minutách. U dojíždění ve volném čase je možné sledovat rozhodování na základě většího počtu kritérií. Jedinci se rozhodují operativněji a „racionálněji Dlouhodobé změny v používaném dopravním prostředku Dlouhodobé změny ve volbě dopravního prostředku na každodenní cesty byly zjišťovány v otázkách Q4 - 7e, f a Q8 – Q14 v dotazníku použitém v individuálních rozhovorech. Z dat vyplývá, že volba dopravního prostředku se mění (v dlouhodobém horizontu). Mění se v souvislosti s přítomností dětí v rodině, se změnou zaměstnání, stěhováním, z důvodu nemoci (auto) a koupí auta. Volba dopravního prostředku se však změnila i v historickém čase. Příkladem je především realizace nákupů autem poté, co se v průběhu 90. let rozšířily na okraji městských aglomerací supermarkety.

52


Zcela specifické je rozhodnutí o koupi (prvního nebo nového) automobilu do domácnosti. Toto rozhodnutí se často zdá být „bezdůvodné“ ve smyslu, že při jisté úrovni disponibilních prostředků se domácnosti v průběhu životního cyklu rozhodnou pořídit si automobil a to bez jednoznačně tematizovaných důsledků pro možnou úsporu času či vzniklých dodatečných výdajů. Zajímavé je, že pořízení automobilu respondenti používají jako faktor vysvětlující volbu dopravního prostředku, a nikoliv skutečnost, kterou by bylo třeba vysvětlit. V tomto výzkumu byla procesu rozhodování o koupi automobilu věnována pouze okrajová pozornost. Tento proces by však měl být předmětem zájmu v jiných výzkumných projektech o dopravním chování. V takových projektech by mělo být zjišťováno, zda domácnosti vzaly v úvahu finanční náklady a jaké, zda byla v rozhodování kritériem možná úspora cestovního času, nebo zda bylo motivem samo pořízení automobilu. Explicitní zohlednění cestovních nákladů V části zaměřené na dlouhodobé volby byla explicitně zkoumána otázka cestovních nákladů v otázkách Q9, Q32 a Q37. Související informace však přinesly také odpovědi na otázky Q15 a Q17, o kterých podrobněji pojednáváme v následující části. „Q9. Než jste začal/a dojíždět, vzal/a jste v úvahu okolnosti dojíždění (jako cestovní čas a finanční náklady s tím spojené)?“ Dva respondenti (z celkového počtu 7) uvedli, že finanční náklady nebrali v úvahu a jediné, co je zajímalo, byla dostupnost práce. Tři vzali v úvahu finance, dva časovou náročnost. Jeden respondent si vymezil okruh, ve kterém hledal zaměstnání. Lze předpokládat, že tak implicitně zohlednil cestovní čas i cestovní náklady. „Q32. Souhlas s tvrzením (na škále 1 – 5): Jsem typem člověka, který bere při volbě dopravního prostředku v úvahu finanční náklady s tím spojené.“ Osm respondentů uvedlo, že náklady na cestu v úvahu nebere. Výrazně častěji uvedli, že nezohledňují náklady ti, co jedou autem nebo na kole. Provozní náklady u kola jsou velmi malé. I další odpovědi (na Q37) naznačují, že v případě použití auta má většina nákladů charakter tzv. „zapuštěných nákladů“, které jsou dlouhodobé a přestávají být brány v úvahu poté, co jsou jednou zaplaceny. Z odpovědí je patrné, že kromě jednotlivých jízdenek za hromadnou dopravu a do jisté míry pohonných hmot, má většina nákladů na dopravu charakter zapuštěných nákladů. „Q37. Jaké náklady na dopravu berete při každodenním dojíždění v úvahu?“ Velmi jednoduše a přesně odhadují náklady osoby, které používají hromadnou dopravu. Buď uvádějí výši předplatného, nebo cenu jízdenky násobí počtem cest do práce a z práce. Znají tedy přesnou výši měsíčních nákladů na dojíždění. Ti, kteří cestují autem do práce i na ostatní cesty, berou v úvahu na prvním místě zpravidla náklady na pohonné hmoty. Pouze tyto náklady spontánně uvedou jako odpověď.

53


Ve vzorku bylo 10 respondentů, kteří uvedli, že jezdí do práce autem. Náklady na pojištění do nákladů za každodenní dojíždění zahrnulo pouze 5 respondentů, 6 zahrnulo servis a údržbu, pouze 2 zahrnuli parkovné a 3 pořizovací náklady na vlastnictví auta. Nikdo z respondentů do výčtu nákladů nezahrnul dálniční známku, jeden respondent uvedl silniční daň. Na přímý dotaz na ostatní náklady než pohonné hmoty mnoho respondentů odmítalo tyto zahrnout s odůvodněním, že se nejedná o náklady na cesty, ale o náklady spojené se samotným vlastnictvím automobilu. Významný rozdíl ve znalostech či schopnostech odhadu nákladů na provoz automobilu je možné pozorovat mezi muži a ženami. Ženy často nemají o finančních nákladech spojených s provozem auta mnoho informací, neboť jsou často hrazeny z disponibilního příjmu muže. Shrnutí Skutečnost, že cestovní náklady mají velice často povahu zapuštěných nákladů, poněkud komplikuje tvorbu modelu volby dopravního prostředku, neboť dochází k tomu, že jsou tyto náklady jednotlivcem při každodenním chování opomíjeny. Bylo proto nutné zvážit, zda se pomocí indikátorů chování získaných v dotaznících pokusit o rekonstrukci skutečných / objektivních nákladů na provoz auta, i když je respondenti při volbě nezohledňují. Efekt takto odhadnutých nákladů na každodenní dojíždění je pak možné testovat jako alternativu k nákladům uvedeným respondentem. Dlouhodobé změny volby a důsledky dopravních opatření Vliv zavedených dopravních opatření na volbu dopravního prostředku byl zjišťován v otázkách Q15, Q17 - Q20. „Q15. Došlo za posledních 5 let v místech, kudy cestujete, k nějaké změně dopravní situace? Změnila se např. frekvence MHD, možnosti parkování, cena parkovného, rozšířila se silniční komunikace, vznikla nová světelná signalizace, byl postaven přechod, lávka pro pěší nebo cyklisty, vznikla cyklostezka…?“ „Q17. Ovlivnily některé z uvedených změn Vaši volbu dopravního prostředku?“ V odpovědích na obě otázky respondenti nejčastěji uváděli: 1) chystané rozšíření placené parkovací zóny a 2) zvyšování počtu parkovacích automatů. Respondenti často mezi změnami uvádějí nedostatek parkovacích míst a jejich úbytek v důsledku rozšiřování parkovacích automatů. Dva respondenti uvedli, že kvůli problémům při parkování na cesty do města více využívají chůzi, kolo nebo MHD. Dva uvedli, že z tohoto důvodu omezují počet cest (autem) do města. A naopak oceňují parkovací místa u supermarketů. Pouze dva respondenti však dali nějakou změnu podmínek využití daného dopravního prostředku a svou volbu do přímé souvislosti. Jeden uvedl, že se staví nové cyklostezky a že proto raději využívá kolo. Jiný uvedl, že v souvislosti se změnami dopravní situace uvažuje o změně dopravního prostředku. Pokud by bylo více parkovacích míst, jezdil by více autem.

54


Z obou typů odpovědí respondentů lze učinit závěr, že zavádění regulačních opatření významně ovlivňuje respondentovo dopravní chování. Nejedná se však o pouhou volbu dopravního prostředku, ale taktéž volbu cílových destinací, která umožňuje použít zvolený dopravní prostředek (a v případě auta ho také zaparkovat). Volba je navíc podmíněna místem jedincova bydliště. Z výše uvedených výsledků jasně vyplývá, že dostupnost cílových lokalit ovlivňuje každodenní volbu dopravního prostředku. Z tohoto důvodu jsme se v průběhu předvýzkumu rozhodli věnovat problematice dostupnosti lokalit samostatnou pozornost v kvalitativním šetření ve 2. vlně předvýzkumu. Závěrečné shrnutí a doporučení – 1. vlna Průběh předvýzkumu jednoznačně ukázal, že výsledný dotazník bude třeba pro účely dotazníkového šetření významně zkrátit. Z tohoto důvodu jsou nakonec podrobněji zkoumány cesty za čtyřmi účely. Jsou to: práce, škola, doprovod dětí do/ze školy a nákupy. Všechny ostatní cesty jsou zahrnuty do kategorie ostatní. Dále se ukázalo, že kvůli omezenému prostoru ve finálním dotazníku není možné zahrnout jak model volby dopravního chování založený na vyjádřených preferencích (reálném chování), tak model založený na stanovených (hypotetických) preferencích. Vzhledem k tomu, že v českém prostředí nelze dosud nalézt žádný výzkum testující uspokojivým způsobem ani reálné chování, rozhodli jsme se, že právě tento typ modelu bude jádrem konečného dotazníku. Upustili jsme tak zcela od modelu usilujícícho o zachycení hypotetického chování jedinců za okolností vyznačujících se jinými charakteristikami cestování alternativními dopravními prostedky. Jedním z argumentů byla případná nutnost zahrnout jednu ze standardních metod jako je např. výběrový experiment nebo metoda podmíněného hodnocení, jejichž použití je spojeno s významně vyššími náklady na sběr dat než tomu bylo u dotazníku použitého v předvýzkumu i konečném dotazníkovém šetření. Výsledky dále ukázaly, že je třeba věnovat samostatnou pozornost otázce dostupnosti navštěvovaných lokalit (zaměstnání, nákupů atd.), včetně umístění bydliště. a proto byl této otázce věnován samostatný prostor v 2. vlně předvýzkumu (viz dále). Co se týče výsledné podoby dotazníku, z výsledků vyplynulo, že je třeba zjišťovat objektivní ukazatele vzdálenosti zkoumaných činností (především práce a nákupů) vyjádřených jak počtem kilometrů, tak i minutami cestovního času, rozlišovat mezi používáním soukromých a služebních automobilů a rozlišovat mezi náklady objektivními a těmi, které berou jednotlivci v úvahu. Dále bylo na základě výsledků první vlny předvýzkumu upřesněno a reformulováno znění celé řady kladených otázek.

55


1.4.4 VLNA 2 – VÝZNAM DOPRAVNÍ DOSTUPNOSTI PŘI VOLBĚ BYDLIŠTĚ – ANALÝZA DLOUHODOBÝCH ROZHODNUTÍ Cílem 2. vlny předvýzkumu bylo prozkoumat, jaký význam má v individuálních rozhodnutích o volbě bydliště jeho dopravní dostupnost a dopravní dostupnost pravidelně navštěvovaných lokalit. Jak provedená sekundární analýza dat, tak první vlna předvýzkumu totiž ukazují, že právě dopravní dostupnost významně ovlivňuje každodenní volbu dopravního prostředku. Dopravní dostupnost zde chápeme jako kombinaci vzdálenosti od jádra urbánní oblasti a ostatních významných destinací, charakteristiky dopravního spojení, jakými jsou kvalita, frekvence, cestovní čas, tarify a ceny jednotlivých dopravních prostředků a geografické umístění v rámci širšího „sociálního regionu“. Z hlediska nutnosti cestovat je relevantním faktorem taktéž přítomnost a kvalita občanské vybavenosti, škol, obchodů atd., které zpravidla korespondují s hustotou obyvatelstva. Konkrétně bylo cílem 2. vlny předvýzkumu odpovědět na následující výzkumné otázky: 1) Je dopravní dostupnost důležitým kritériem při volbě nového místa bydliště? Kam se stěhovat? 2) Usilují lidé o snížení času, který věnují cestování? Pokud ano, jak? 3) Jsou lidé ochotni přijmout nárůst cestovního času? V případě, že ano, na úkor čeho? 4) Jakým způsobem změna v dostupnosti každodenních aktivit ovlivňuje rozhodování typu Jak cestovat? S kým cestovat? Uspořádání předvýzkumu – vlna 2 Předvýzkum č. 2 byl uspořádán jako kvalitativní šetření založené na polostrukturovaných rozhovorech s rezidenty čtyř velkých měst České republiky a jejich příměstských oblastí. Výběr zahrnoval následující aglomerace: Brno, Hradec Králové / Pardubice, Plzeň a Praha. Jedna rezidentka Hradce Králové navíc referovala o dojíždění v Bratislavě, kde má její domácnost druhé bydlení. Kritériem pro výběr osob do šetření byla skutečnost, že se jejich domácnosti v období předcházejících 18 měsíců v rámci aglomerace přestěhovaly. Omezení výběru bezprostředně předcházející změnou bydliště bylo zvoleno z následujících důvodů: 1) Změna bydliště a jeho výběr lze považovat za „přelomovou“ situaci v životním cyklu jedinců a jejich domácností, která vede k novému hodnocení a přehodnocování charakteristik bydlení včetně dopravní dostupnosti a cestovního času vydávaného na pravidelné cesty.

56


2) Vzhledem k tomu, že tato volba zahrnuje argumenty v podobě nákladů a přínosů spojených s novou rezidenční situací, lze ji považovat za jakousi explicitní volbu a zkoumat prizmatem teorie racionální volby. 3) Změna bydliště představuje stejně jako například pořízení automobilu jedno z dlouhodobých rozhodnutí, které posléze v různé míře ovlivňují výběr alternativ každodenního / pravidelného cestování a dojíždění. 4) Volba nové rezidenční lokality narušuje zaběhlé způsoby každodenního cestování a uváděných důvodů („jsem na to zvyklý“) a lze očekávat, že u jednotlivce vede k obnovení argumentace, proč cestuje daným způsobem, a nikoliv alternativním. 5) Nedávná zkušenost s takovou „přelomovou“ situací umožňuje přímo zkoumat argumentace týkající se cestovních / dopravních charakteristik volby bydliště a následného každodenního dopravního chování. Dotazování a analýza dat Celkem byli dotázáni rodiní příslušnící z 19 domácností a získány tak údaje týkající se jich samotných, jejich partnerů a ostatních členů domácnosti. Celkem tak byly zpracovány údaje o 30 dospělých osobách.30 Při výběru osob do výzkumu byli záměrně vyloučeni studenti, či osoby, které při úvodním rekrutačním rozhovoru, zpravidla provedeném telefonicky, uváděly, že plánují v blízké době opět měnit své bydliště. Důvodem byla požadovaná, alespoň dočasná, stabilita rozhodnutí o místě bydliště. Dotázaní byli ve věku 26 - 68 let a reprezentovali různé socio-ekonomické skupiny. Ve výběru jsou zahrnuty jak zaměstnanci a podnikatelé a osoby samostatně výdělečně činné, tak ženy na mateřské dovolené, v domácnosti, důchodce a jeden invalidní důchodce. Ve vzorku nejsou zastoupeny osoby nezaměstnané. Dotazované osoby byly za účast ve výzkumu honorovány částkou 400,- nebo 500,- Kč v závislosti na místě bydliště. Dotazování bylo provedeno v domácnostech respondentů, na jejich pracovištích nebo pronajatých „laboratořích“. Při rozhovorech byly použity dva typy scénářů. Nejprve (v období jara 2007) byly použity polo-strukturované rozhovory rozdělené do dvou částí. První část byla volným vyprávěním (narativem) o okolnostech vedoucích ke změně místa bydliště (jako jedna z metod biografické sociologie). Druhá část obsahovala dodatečné otázky na změny rozvrhu každodenních aktivit všech rodinných příslušníků a změny charakteristik dojíždění. Dále byly respondenti vyzváni, aby vyplnili „cestovní deník“ za průměrný pracovní den před a po stěhování. Posléze (v období podzimu 2007) byly použity scénáře zachovávající část vyprávění, ale zahrnující navíc vybrané body 30

Je zřejmé, že analýza založená na vzorku o takové velikosti neposkytuje reprezentativní data pro uvedená města. Nicméně takový typ kvalitativního šetření využívající „metodu neustálého porovnání“ přináší vysvětlení příslušných behaviorálních mechanismů a pomáhá identifikovat klíčové koncepty a obsahy pojmů. Ty lze zahrnout do modelů jako je například model náhodného užitku, a jejich vliv následně testovat na reprezentativním vzorku populace. Také my posléze pojmy identifikované při tomto kvalitativním předvýzkumu operacionalizujeme za účelem testování v kvantitativním dotazníkovém šetření realizovaném jako aktivita 1.6.

57


z vyprávění v druhé, strukturované části. Do rozhovoru tak byla zahrnuta část obsahující přímé otázky na změny vzdáleností dojížďky do práce, na nákupy a aktivity volného času, cestovní náklady a následující reakci domácností. Pokud respondent do svého vyprávění nezahrnul ostatní členy domácnosti, byl explicitně dotázán. O průběhu rozhovoru byl pořízen digitální zvukový záznam. Veškeré zvukové záznamy z rozhovorů pořízených v rámci této fáze předvýzkumu byly doslovně přepsány do textových dokumentů. Přepisy vyprávění byly kódovány podle „metody neustálého porovnání“ jak ji formulovali Glaser a Strauss [1967] za účelem tvorby zakotvené teorie.31 Odpovědi na standardizované otázky byly překódovány do tabulky a analyzovány zvlášť. Standardizovaná data o cestovních časech, nákladech, dostupnosti hromadné dopravy atd. vlastně představují kontext kvalitativní analýzy individuálních rozhodovacích procesů o volbě bydliště a v důsledku toho volbě dopravního prostředku. Výsledky Z hlediska místa bydliště se 11 z 19 sledovaných domácností přestěhovalo v rámci širšího centra města, 8 do příměstských oblastí (suburbie) nebo v jejich rámci. Dotazované osoby se přestěhovaly do nájemních bytů/domů, domů vlastněných rodinými príslušníky a nemovitostí v osobním vlastnictví. Pět respondentů hovořilo o tom, že mají v úmyslu v budoucnu opět změnit místo bydliště. Vzhledem k tomu, že se jednalo o vlastníky i nájemníky, nepředpokládáme, že by se rozhodnutí o změně vlastního bydlení od změny nájemního bydlení významně lišila svou stabilitou. Důležitost dopravní dostupnosti nové residenční lokality a její vliv na vzorce každodenního cestování byly zkoumány trojím způsobem: A)

Kritéria volby místa nového bydliště jsou zkoumána v popisech, která poskytují respondenti ve svých vyprávěních / narativech.

B)

Přímým dotazem ve druhé, strukturované, části rozhovorů: „Byla dopravní dostupnost důležitým kritériem při volbě nového místa bydliště?“ Na tuto otázku následovala nestrukturovaná odpověď.

C)

Jako reálná změna v dostupnosti jednotlivých dopravních prostředků, tedy: změna v cestovním čase a cestovních nákladech spojených s dojížděním do míst pravidelných aktivit (zaměstnání, nákupů, sportu a častých návštěv rodinných příslušníků, přátel, lékařské péče, atd.). Data této povahy byla zaznamenána ve standardizované či kvantitativní podobě do tabulky.

31

V této analýze byla především použita metoda “otevřeného kódování“ [Strauss, Corbinová 1999]. Nejsou tak na ni kladeny nároky na využití ostatních komponent metodologie zakotvené teorie. Kódování bylo provedeno s využitím programu analýzy dat Atlas.ti (The Knowledge workbench- for the qualitative analysis of large bodies of textual, graphical, audio and video data). Tento nástroj kvalitativního zpracování textových dokumentů umožňuje díky struktuře databáze třídit a strukturovat pořízené primární texty podle společných charakteristik úseků textů (citací), kódovat vybrané citace a hledat mezi jednotlivými kódy vztahy, které nejsou v původním textu explicitní. Tím, že je analýza prováděna napříč všemi dostupnými texty, umožňuje potvrzování platnosti závěrů v kontextu širším, než je jednotlivý rozhovor.

58


A) Kritéria volby nového místa bydliště Předně je třeba upozornit, že změna místa bydliště nebyla pro šest domácností (8 jednotlivců) výsledkem systematického hledání nového místa bydliště. V těchto případech se jednalo o nabídku příbuzných či známých na pronájem či nákup konkrétní nemovitosti či se nastěhovali do nemovitosti, kterou v okamžiku rozhodování vlastnil jejich partner, ale dosud ji neužíval. Rozhodovali se tedy, zda nabídku s konkrétními charakteristikami přijmout či nikoliv, spíše než že by se rozhodovali mezi různými alternativami. Nicméně i v těchto případech je možné zkoumat důležitost vybraných vlastností místa bydliště jako je dopravní dostupnost v porovnání se stávajícím místem bydliště. Kritéria nového místa bydliště byla předně zkoumána ve volných vyprávěních respondentů. Mezi nejčastěji uváděná kritéria volby nového bydliště patřil stav a stáří bytu či domu, větší velikost, lepší uspořádání a osobní vlastnictví. Z rozhovorů vyplynulo, že ideální bydlení představuje samostatně stojící dům se zahradou. Naopak nejméně atraktivní jsou byty na panelových sídlištích. Ženy většinou uváděly, že hledají bydlení v zeleni, klidné lokalitě a čtvrtích s vesnickou strukturou. Respondenti se často rozhodovali pro relativně známou lokalitu, lokalitu, kde bydlí příbuzní či známí32 anebo lokalitu, kterou dosud znali a navštěvovali za účelem trávení volného času a rekreace. Také umístění na požadovanou světovou stranu hrálo důležitou roli. Argumentem byla často dostupnost (relativní blízkost) míst vhodných pro trávení volného času, sport a cyklistiku a víkendových destinací. jakými jsou bydliště rodičů, vnoučat, či vlastních chat a chalup a tedy zpravidla míst, která leží mimo hranice města. Mladšími respondenty byla také uváděna dostupnost vlakových nádraží. Dostupnost center měst nebyla s výjimkou čtyř rozhovorů ve volném vyprávění vůbec zmíněna jako kritérium umístění nového bydliště. Jedna respondentka uvedla, že krátká docházková vzdálenost mezi jejím zaměstnáním a místem bydliště je jediná skutečnost, která jí umožňuje trávit trochu času s jejími dospívajícími dětmi. Jeden respondent uvedl, že spojení bydliště s centrem města hromadnou dopravou považuje za nevyhnutelné z ekonomických důvodů. Jiný respondent popisoval nedostatek občanské vybavenosti a míst trávení volného času ve svém předchozím bydliště (historické suburbánní oblasti) a pozitivní změnu v tomto ohledu poté, co se přestěhoval blíže k centru města. Budoucí spojení metra mezi bydlištěm a centrem bylo jedním mladým párem uváděno jako výhoda při případném budoucím prodeji nemovitosti. Nikdo s dotazovaných spontánně neuvedl, že by se přestěhoval kvůli dlouhým dojezdním vzdálenostem nebo množství času vynakládaného na cestování do pravidelně navštěvovaných lokalit anebo s úmyslem využívat častěji jiné dopravní prostředky. Data ukazují, že kvalita bydlení včetně velikosti nemovitosti, stáří a stavu domu či bytu, vlastní zahrada a nízký nájem jsou více upřednostňována než umístění bydliště. Jediným z upřednostňovaných kritérií lokality je dobrá kvalita životního prostředí a sociální struktura příslušné čtvrti. „Vnější dostupnost“ míst, kde se uskutečňují aktivity volného času jako jsou návštěvy příbuzných, chat a chalup, a tedy snadný přístup k lokalitám často mimo město jsou zpravidla důležitější než „vnitřní dostupnost“ center aglomerací a pracoviště. To platí nehledě na to, jak často a jak pravidelně jedinci oba typy lokalit navštěvují. 32

Nikoliv nutně v pěší vzdálenosti.

59


B) Přímý dotaz na důležitost dopravní dostupnosti V druhé části rozhovorů byla respondentům pokládána přímá otázka následujícího znění: „byla dopravní dostupnost důležitým kritériem volby Vašeho nového místa bydliště?“ Téměř všichni respondenti na tuto otázku odpověděli, že dopravní dostupnost byla důležitým kritériem při volbě nového bydliště. Pouze tři respondenti žijící na okraji města odpověděli, že dopravní dostupnost bydliště nebyla vůbec důležitá, neboť stejně používají automobil a proto nehraje roli, kde bydlí. Dvě z těchto tří domácností vlastní dva automobily a tedy každý z partnerů má k dispozici vlastní automobil. Třetí domácnost vlastní jeden automobil, o nějž se oba partneři střídají – žena je na mateřské dovolené a tráví většinu času v místě bydliště, partner dojíždí buď vlastním automobilem nebo společně se sousedem jeho automobilem. Porovnáme-li proklamovanou důležitost dopravní dostupnosti nového bydliště s cestovními vzorci, které jsou reakcí na změnu bydliště, jako je cestovní čas a volený dopravní prostředek, lze ve vzorku vysledovat tři skupiny jedinců: 1)

Nejpočetnější je první skupina osob, které proklamují, že dopravní dostupnost nového místa bydliště je důležitou charakteristikou. Zároveň jejich cesta do práce (jedním směrem) trvá do 15 minut v menších a do 30 minut ve větších městech a nejčastěji při ní využívají hromadnou dopravu, kolo či chodí pěšky. Důvody volby těchto prostředků jsou buď ekonomické nebo nevlastní auto ani řidičský průkaz a nebo tyto typy dopravních prostředků prostě využívat chtějí. Lidé z této skupiny využívají dopravní dostupnost ve smyslu výhodného prostorového uspořádání jejich pravidelných destinací a dobré kvality infrastruktury hromadné dopravy (množství linek, vysoké frekvence spojení, krátkých docházkových vzdáleností na zastávky hromadné dopravy), které opovídají (historicky) husté městské struktuře sídla.

2)

Druhou skupinu představují jedinci, kteří prohlašují, že dopravní dostupnost pro ně není vůbec důležitá, neboť stejně jezdí autem. Do této skupiny patří pouze 3 dotázaní v našem vzorku a jedná se tedy o skupinu nejméně početnou. Místo bydliště dvou z těchto respondentů, kteří pravidelně dojíždějí na jednu adresu v centru města, je obtížně dostupné hromadnou dopravou. Spojení je možné příměstskými autobusy, jejichž tarify nejsou integrované do tarifů městské hromadné dopravy a které jezdí jednou za hodinu. Jeden z dotázaných navíc musí přesedat z tohoto autobusu na vlak. Třetí z respondentů, kteří spadají do této skupiny, navštěvuje své klienty na různých adresách a to jak ve městě, tak mimo něj. Míso jejího bydliště, vesnice vzdálené 21 kilometrů z centra Brna, je dostupné příměstským autobusem. Respondentka neznala ani jízdní řád ani frekvenci tohoto autobusového spojení. Partner této respondenty, stejně jako partnerka druhého respondenta v této skupině, využívají druhý automobil. Relativně špatná nabídka veřejné dopravy (nízká frekvence spojů a jízdné, které není integrováno do tarifů městské hromadné dopravy) ve všech třech jmenovaných lokalitách odpovídají suburbánní či venkovské struktuře sídel. Cestovní vzdálenosti a cestovní čas do zaměstnání těchto tří respondentů jsou výrazně delší než tomu je v první skupině (30 kilometrů a 25 minut jízdy u prvního respondenta, 14 kilometrů a mezi 40 a 60

60


minutami jízdy u druhého respondenta a v závislosti na zácpě až 1 hodinu jízdy u třetího respondenta). Preference reprezentantů této i první jmenované skupiny jsou konzistentní s dlouhodobými volbami místa bydliště i následnými cestovními vzorci. 3)

Z hlediska vztahu dlouhodobých rozhodnutí a cestovního chování je nejzajímavější třetí a poslední skupina osob. Jedinci v této skupině (N=5) proklamují, že dopravní dostupnost byla důležitým kritériem volby jejich nového bydliště. Nicméně, na rozdíl od osob v první skupině, se odstěhovali do lokalit, které jsou relativně vzdálené od pravidelně navštěvovaných destinací a hůře dostupné hromadnou dopravou (s nižším počtem dostupných spojení, vyšším počtem přestupů do pravidelně navštěvovaných míst, atd.). Z tohoto důvody osoby v této skupině častěji cestují autem a to buď jako řidiči nebo jako spolujezdci. Pro tyto osoby představuje dopravní dostupnost něco jiného než každodenní zkušenost danou množstvím času stráveného cestováním, počtem dostupných dopravních spojení hromadné dopravy, jejich frekvencí nebo počtem nutných přestupů. Dopravní dostupnost taktéž pouze slabě odráží počet kontaktů s přáteli, příbuznými nebo realizaci volnočasových aktivit a to, jak snadno je možné se do těchto lokalit dostat. Podle toho, co tito respondenti proklamují ve svých vyprávěních, dopravní dostupnost spíše abstraktně představuje potenciální možnost dostat se k lidem, zboží a službám v případě, že by se stalo něco neobvyklého / špatného (scénář nehody) anebo pocit, že nejsou izolováni. Protože respondenti skutečnost této případné situace (potenciálu) nezažívají každý den, může být její obrázek značně zkreslen. Obrázek takové případné situace neodráží ani frekvenci spojení, ani jak snadno by ho bylo možné využívat. Skutečné kvalitě přístupu a horší dostupnosti hromadné dopravy, a nikoliv obrázku o případné možnosti využití hromadné dopravy, pak odpovídají vzorce cestovního chování založené především na využívání automobilu.

C) Změny cestovního času a cestovních nákladů Velmi zajímavá zjištění ohledně vztahu mezi volbou místa bydliště a vzorci cestovního chování ukazují skutečné změny cestovního času do pravidelně navštěvovaných destinací jakými jsou zaměstnání, nákupy, sport a návštěvy. Faktem rozhodujícím pro dále popisované změny je skutečnost, že kromě práce (s výjimkou dvou žen na mateřské dovolené) také významná část volnočasových aktivit jako je sport (obzvláště provozovaný s přáteli), škola a lékaři zůstává umístěna v původní lokalitě. Každodenní nákupy jsou zpravidla přemístěny do blízkosti nového bydliště. Výjimkou jsou místa nákupů u osob, které se přestěhovaly do příměstských oblastí. Ta se často nacházejí v blízkosti zaměstnání ve městě nebo na cestě mezi zaměstnáním a domovem. Důvodem je nižší nabídka služeb ve většině suburbánních oblastí a často vyšší ceny. U pěti respondentů (a jednoho partnera respondentky) se po změně bydliště cestovní čas do všech pravidelně navštěvovaných destinací zkrátil; v jednom případě díky nahrazení cest hromadné dopravy cestami autem. Cestovní čas do práce a do míst většiny volnočasových aktivit v pracovní dny se u 8 respondentů a 4 partnerů/partnerek

61


dotazovaných prodloužil, u 3 respondentů a 6 partnerů zůstal nezměněn.33 Tři respondenti začali používat automobil (jako řidiči i spolujezdci) místo hromadné dopravy, aby zachovali stávající objem cestovního času anebo aby jejich cestovní čas nenarostl příliš mnoho. Všichni čtyři dotazovaní, kteří začali používat automobil se přestěhovali do suburbánních lokalit nebo vesnic v okolí města. Nikdo z dotazovaných nezačal více používat jiný dopravní prostředek místo automobilu. Dva respondenti, kteří se odstěhovali do města, častěji chodí pěšky místo toho, aby cestovali hromadnou dopravou. Kromě popisovaného efektu na cestovní čas a v několika případech i na změny používaných dopravních prostředků ovlivňuje změna bydliště ostatní aspekty cestovního chování, především plánování cest. Protože kvalita veřejné dopravy (počet a frekvence linek hromadné dopravy, vzdálenost na zastávky) se zhoršila ve všech příměstských oblastech v porovnáním s městem, ti, kteří nebyli ochotni nebo schopni nahradit své dosavadní cesty cestováním autem, začali počlivěji plánovat své cesty, časy odjezdů i rozvrh pravidelných aktivit. Ti, kteří začali cestovat autem se svým parnerem, ztratili flexibilitu uskutečnit své cesty, jak se jim líbí. Dvou respondentům, kteří se odstěhovali do docházkové vzdálenosti od svého zaměstnání (ve městě) klesli finanční náklady na cestování, protože nahradili některé cesty realizované hromadnou dopravou chůzí a přestali si proto kupovat předplatné na hromadnou dopravu. Pro většinu respondentů, kteří převážně cestují hromadnou dopravou, zůstaly cestovní náklady buď stejné, pokud se přestěhovali v rámci zóny, pro niž platí tentýž tarif hromadné dopravy, nebo vzrostly, pokud se přestěhovali mimo hranice města a využívají příměstskou dopravu. Taktéž těm, kteří začali používat auto, cestovní náklady vzrostly. Je tedy otázkou, zda je pouhá náhoda, že osoby, jejichž cestovní čas po přestěhování vzrostl nebo zůstal nezměněn díky tomu, že začali využívat automobil, patří s jedinou výjimkou do skupiny těch osob, kteří deklarují, že dopravní dostupnost nového místa bydliště byla důležitým kritériem, ačkoliv v jejich výsledné volbě není nijak zohledněna skutečná dopravní dostupnost a kvalita hromadné dopravy. Jejich následnou změnu používaného dopravního prostředku můžeme považovat za projev „reflexivního vědomí“ [Giddens 1984] skutečnosti, že jejich rozhodnutí s dlouhodobými důsledky bylo z hlediska cestovního času suboptimální a proto se snaží tento nedostatek nějak kompenzovat. To je však možné pouze za cenu přijetí dodatečných cestovních nákladů. Závěry Co nám tedy analyzovaná data o důležitosti dopravní dostupnosti a změnách cestovního chování spojených se změnou místa bydliště říkají o efektu rozšiřující se městské zástavby na trendy v individuální dopravě a nárůstu v objemu automobilové dopravy? Shrňme to v podobě sedmi tezí obsahujících jádro našich empirických zjištění: 1)

Služby, dostatek škol nebo určitého typu škol, lékařská péče, možnosti trávení volného času, atd. mají v suburbánních lokalitách zpravidla horší kvalitu než

33

Změny cestovního času u tří zbývajících partnerů/partnerek nebyly analyzovány, protože byly způsobeny současně probíhajícími změnami v jejich životním cyklu. Dvě partnerky opustily zaměstnání a věnují se péči o děti a přestaly proto jezdit do zaměstnání, jeden partner dotázané začal pracovat v zahraničí.

62


2)

3)

4)

5)

6)

7)

v jádrech městských oblastí. Proto si osoby, které se do těchto suburbánních lokalit stěhují, ponechávají významnou část svých pravidelných denních aktivit umístěnou v původních lokalitách, které jsou zpravidla ve městě. To platí téměř bez výjimky pro zaměstnání a večerní zábavu, ale poměrně často také v případě škol, zdravotní péče a některých každodenních nákupů. Nehledě na to je významná část populace ochotná stěhovat se do míst s nižší občanskou vybaveností a horší dopravní dostupností, neboť pouze tak si mohou dovolit bydlet ve větších a lepších bytech či samostatně stojících domech se zahradou. Krom toho mají možnost trávit svůj volný čas v tišším, čistším a zdravějším prostředí. Nižší ceny nemovitostí a nájmů v lokalitách vzdálenějších od center měst hrají při volbě místa bydliště nezanedbatelnou roli. Většina suburbánních oblastí popisovaných výše je hůře dostupná prostředky hromadné dopravy ve smyslu větší vzdálenosti od centra města, nižšího počtu linek hromadné dopravy, nižší frekvence spojů anebo obslužností příměstskou nebo meziměstskou dopravou, jejíž služby nejsou integrovány do systému tarifů městské hromadné dopravy. Existují tři skupiny osob (ideální typy), které se liší preferencemi dopravní dostupnosti místa jejich bydliště: A) ti, kteří považují dopravní dostupnost při volbě svého bydliště za velmi důležitou, protože buď neumějí řídit, nemohou si dovolit řídit anebo nejsou ochotni řídit. Proto používají hromadnou dopravu, jezdí na kole nebo chodí pěšky a podle svých preferencí si také volí místo svého bydliště.; B) ti, kterým nezáleží na tom, jak dopravně dostupné je místo jejich bydliště, protože stejně používají automobil; C) ti, kteří považují dopravní dostupnost při volbě svého bydliště za velmi důležitou, ale ve skutečnosti ji při stěhování nezohledňují. Důsledkem jejich nenaplněných očekávání v tomto ohledu a delšího cestovního času je buď nahrazení cest hromadnou dopravou cestami autem nebo pečlivým plánováním většiny cest. Tyto osoby tak ztrácí volnost rozhodovat se o tom, kdy cestovat a jako spolucestující také jak a s kým cestovat. Osoby ve druhé ze jmenovaných skupin využívají auto záměrně. Jejich cestovní chování je tak konzistentní s jejich preferencemi. Spoléhají na individuální řešení a vlastní schopnost adaptovat se na nové nedostatky v občanské vybavenosti. Osoby ve třetí skupině používají automobil jako nástroj kompenzace jinak ještě horších důsledků změny místa bydliště na množství cestovního času. Vztah mezi jejich cestovním chováním a preferencemi je mnohem slabší. Nehledě na preference, ochota obou skupin stěhovat se do dopravně hůře dostupných lokalit a přijmout nárůst v cestovním čase je tou skutečností, která ve svém důsledku vede k většímu objemu individuální automobilové dopravy. Preference dobré občanské vybavenosti, služeb a možností trávení volného času na straně jedné a ignorování jejich horší dostupnosti v novém místě bydliště na straně druhé je tím mechanismem, který spojuje různé typy městské struktury s nárůstem podílu automobilů na osobní dopravě. Námětem pro další kvalitativní výkum by mělo být vysvětlení toho, jak ochota jednotlivců bydlet v místech s horší občanskou vybaveností a hůře dopravně dostupných ovlivňuje stále pokračující rozpínání měst do volné krajiny a

63


identifikace hranice, za níž si developeři nebudou moci být jisti tím, že se nabídka jejich rezidenčních suburbánních projektů setká s dostatečnou poptávkou.

1.4.5 DALŠÍ ZJIŠTĚNÍ Kromě závěrů shrnutých do sedmi výše uvedených tezí, přinesl kvalitativní předvýzkum další teoretické i metodologické poznatky o dopravním chování, které jsme se snažili zohlednit v uspořádání dotazníkového šetření. Okolnosti vedoucí k pořízení auta Automobil nevlastní daleko častěji osoby mladší a osoby žijící samy v domácnosti. Mezi nejčastějšími důvody pořízení automobilu byly uváděny: dostupnost příbuzných mimo místo respondentova bydliště, dostupnost rekreačních lokalit, chaty, nezávislost na hromadné dopravě. Nikdo z dotázaných neuvedl, že si automobil pořídil za účelem každodenního dojíždění nebo dojíždění do práce. Nejčastější důvody dokládá následující úryvek rozhovoru: „To auto jste si pořídili kdy? To auto jsme si pořídili ještě, než jsme se brali…, máme ho dva a půl roku. Co Vás vlastně vedlo ke koupi…? Právě bych řekl ten dosah k těm rodičům, ta nezávislost zase na tom autobusu na těch linkách, a řekl bych, že to bylo větší přání mé ženy, než moje, protož, má představa byla klasická, sedneme na autobus a přijedeme, ale protože zase žena je z prostředí, kde žijí na vesnici a auto je takovou dá se říci nezbytností, kde řada lidí i dojíždí do práce a dojíždí za nákupy a jezdí prostě za lékařem, tak zkrátka a dobře, u nich to bylo přirozené jako by to auto mít, no tak já jsem si konec konců říkal, že to není špatné prostě pro ten náš, nebo rychlejší kontakt abychom kvůli tomu měli no.“ (muž, 42, okolí Hradce Králové) U nikoho z respondentů není možné identifikovat nějaký jasný podnět ke koupi automobilu, ale spíše dosažení jisté fáze životního cyklu, jako je stěhování partnerů do společné domácnosti nebo období před a po narození dítěte. I ti respondenti, kteří automobil nevlastní, jmenují množství důvodů, které je povedou k budoucímu pořízení automobilu. Patří sem především snazší dojíždění do destinací mimo město (rekreačních) a větší pohyblivost v případě krizových situací, jako je nemoc dítěte. Některé dotazované ženy uváděly, že by jim auto mohlo umožnit skloubit pracovní život s péčí o děti, pohybovat se bez obtíží s dětským kočárkem. U obou skupin tak identifikujeme společné důvody pořízení auta. Pořízení automobilu je respondenty prezentováno jako samozřejmost, která přirozeně souvisí s věkem a zakládáním rodiny. Ne-vlastnictví automobilu je shodně všemi respondenty považováno za pouhý přechodný stav a to 64


včetně jedné mladé respondentky, která uvedla: „jsem poměrně silný odpůrce automobilu, pokud člověk žije ve městě a speciálně v Praze ho považuji za zbytečný, zejména ve svém věku“ (žena, 27 let, Praha). Na dokreslení skutečnosti, že vlastnictví automobilu je samozřejmost, uvádíme ještě jeden úryvek z rozhovoru s respondentkou, která patřila k těm dotázaným, kteří byli k pořizování auta skeptičtější. „…zas ani nejsme jako příznivci pořizování si automobilu, jako že asi když bychom měli děti, tak bychom si auto už koupili z takových těch praktických důvodů, ale nijak nemáme ty tendence. Když to není úplně potřeba.“ (žena, 28 let, Brno) Pořízení automobilu je respondenty prezentováno jako samozřejmost, která přirozeně souvisí s věkem a zakládáním rodiny, a to nehledě na finanční situaci. Taktéž větší nákupy jsou realizovány s využitím automobilů. Nelze proto očekávat, že by se v budoucnosti počet vlastněných automobilů nějak významně snižoval. Pokud uvažujeme o návrhu nějakého opatření, jehož cílem by bylo snížení celkového vlastnictví automobilů, a to ať z environmentálních či prostorových důvodů, navrhujeme zaměřit se primárně na motivaci osob, které nepečují o děti či jiné osoby s omezenou mobilitou, aby v co největší míře využívaly alternativních dopravních prostředků, respektive aby se vzdaly jeho vlastnictví. Nicméně je nutno poznamenat, že kvalitativní výzkum, jak jsme ho provedli v rámci tohoto výzkumného projektu, poskytuje spíše pracovní hypotézy o determinantách rozhodnutí o pořízení (prvního) automobilu, než hotové závěry. Pokud bychom chtěli jednoznačně určit faktory tohoto rozhodnutí, bylo by třeba na toto téma realizovat samostatný výzkum, v němž by byly výše naznačené hypotézy operacionalizovány a za účelem jejich testování včleněny do standardizovaného dotazníku. Pravidelné vs. flexibilní dojíždění Ve sledovaných vzorcích dojíždění můžeme zřetelně rozlišit dva typy podle variability v lokalitách, do nichž jedinec dojíždí za prací. První z nich je stabilní dojíždění, nejčastěji každý pracovní den, do jednoho konkrétního místa. Tento typ dojíždění se nejčastěji týká zaměstnanců. Druhým typem je velice flexibilní dojíždění do lokalit, kde zpravidla sídlí klienti. Tento typ dojíždění je charakteristický pro podnikatele, osoby samostatně výdělečně činné, profesionální řidiče a obchodní cestující. Pod jakýsi přechodový typ mezi oběma výše uvedenými spadají důchodci a osoby na mateřské a rodičovské dovolené. Některé jejich destinace jsou pevné, zpravidla však nejsou navštěvovány každý den. Zatímco první typ spíše posuzuje výhodnost jednotlivých dopravních alternativ a dostupných dopravních prostředků (jako je např. čas a náklady), druhý typ je zpravidla plně motorizován a dopravní dostupnost pro něj nehraje v dlouhodobém ani krátkodobém rozhodování týkajícím se cest významnější roli. Primárním předmětem zájmu tohoto výzkumu je první typ osob, tj. dojíždějících každý den na relativně stabilní destinace. Bylo proto nezbytné zahrnout do dotazníku

65


jednoznačný indikátor povahy pravidelného dojíždění respondenta, aby bylo následně možné volbu dopravního prostředku modelovat pro obě skupiny zvlášť.

LITERATURA Louviere, J., Street, D. (2000): Stated-preference Methods, In: Hensher, D. A., Button, K. J. 2000. Handbook of Transport Modelling. Amsterdam: Pergamon, 131-144. Louviere, J. J., D.A. Hensher and J. Swait (2000): Stated Choice methods: Analysis and applications in marketing, transportation and environmental valuation. Cambridge: Cambridge University Press. Strauss, A., Corbinová, J. (1999): Základy kvalitativního výzkumu. Brno: Albert Boskovice. Zahavi, Y. (1974): Traveltime Budgets and Mobility in Urban Areas. Report FHW PL8183, Washington, D: US Department of Transportation. available on http://www.surveyarchive.org/zahavi.html.

66


PŘÍLOHY Příloha I.: Scénář rozhovoru 1 Příloha II.: Scénář rozhovoru 2

67

DOTAZNÍK: Změna místa bydliště a s tím spojené životní změny ÚVOD - tento výzkum provádí Univerzita Karlova - je nekomerční - rozhovor bude trvat asi 1 hodinu – volné vyprávění - odměna po skončení - informace, které mi sdělíte, i nahrávka, budou zpracovány anonymně - použity jen pro výzkumné účely - kdybyste nechtěl/a z jakéhokoli důvodu odpovídat na některé otázky, budeme to respektovat. Můžeme začít s dotazováním? Část I: Úvod o domácnosti 1) Řekněte mi prosím nejdříve pár slov o Vás samotné/m, Vaší rodině.

2) Co děláte, zda pracujete, studujete, co dělají Vaše děti, kde pracujete, jak často jezdíte tam a tam…

3) Vaše koníčky, kde, jak často?

4) Kde třeba obvykle nakupujete?

Část II: Stěhování: 5) Kdy jste se přestěhovali?

Události: 6) Co Vás vedlo ke změně bydliště?

7) Bylo stěhování něčím vynucené (změna pracoviště – Vašeho, partnera; školy dětí, narozením dětí)?

1

Nároky a požadavky: 8) Změnily se nějak Vaše životní okolnosti nebo potřeby Vaší rodiny?

Předchozí bydliště: 9) Co Vám vadilo/chybělo v předchozím bydlišti?

Nové bydliště: 10) Co Vás vedlo právě k volbě tohoto bydliště?

11) Jaké charakteristiky nového bydlení jste považoval/a za důležité?

12) O jakých jiných možnostech bydlení jste uvažovali?

13) Co jste si od nového bydlení nejvíce slibovali?

Nová lokalita: 14) Co Vás vedlo právě k volbě této lokality?

15) Jaké charakteristiky nového lokality jste považoval/a za důležité?

16) O jakých jiných lokalitách jste uvažovali?

17) Co jste si od nové lokality nejvíce slibovali?

2

Část III: Změny po stěhování 18) Co se pro Vás po přestěhování změnilo?

19) V jakých ohledech se změnily / zlepšily Vaše životní podmínky?

20) Změnil se nějak rozvrh Vašich pravidelných denních aktivit?

21) Změnil se nějak rozvrh pravidelných denních aktivit ostatních členů Vaší rodiny?

22) Vedla Vás a Vaši rodinu změna bydliště k nějakému jinému významnějšímu rozhodnutí (např. změna dětského lékaře, nákup auta? – ale nenabízet tuto alternativu respondentovi)?

CESTOVÁNÍ Část IV: Změna charakteristik dojíždění/cestování

23) Jak se změnily vzdálenosti a čas, který po přestěhování vydáváte na cestování?

24) Změnil/a jste po přestěhování dopravní prostředek, kterým (zpravidla) cestujete?

25) Změnil/a jste např. místa, kde nakupujete nebo kde trávíte volný čas?

26) Změnily se Vaše náklady na dojíždění?

FILTR:

27) Jak?

3

Část V: očekávaná změna dopravních charakteristik 28) Byla dopravní dostupnost lokality jedním z kritérií, podle kterého jste se rozhodovali pro tuto lokalitu?

29) Měli jste před stěhováním v úmyslu používat častěji nějaký dopravní prostředek či cestovat jiným způsobem?

FILTR:

30) Stalo se tak?

31) Máte nějaké zvláštní požadavky na mobilitu?

Část VI: Dostupnost: 32) Jak dlouho Vám trvá cesta do centra spádové oblasti (Prahy, Brna…)?

33) (Jaký dopravní prostředek respondent uvažoval?)

34) Jak dlouho by tato cesta trvala, kdybyste jel/a hromadnou dopravou?

35) Jak časté je spojení MHD?

36) Kolikrát byste musela přestupovat?

Část VII: Vybavenost: 37) Dostupnost auta v rámci domácnosti – kdy můžete používat auto?

38) Kdy jste si pořídili automobil? 4

39) Co Vás vedlo ke koupi automobilu?

40) Kdo ve Vaší domácnosti má předplatné na hromadnou dopravu (jaký typ)?

41) Proč máte (nebo pouze někteří členové domácnosti) předplatné na hromadnou dopravu?

42) Dokázal/a byste vyčíslit celkové náklady na dopravu před a po stěhování?

Část VII: Socio-demografické charakteristiky: 43) Adresa Vašeho předchozího bydliště?

44) Adresa vašeho stávajícího bydliště?

45) Věk všech osob v domácnosti:

46) Rodinný stav respondenta:

47) Kolik zaměstnání jste dosud měl/a (včetně současného)?

48) Pohlaví:

Předložit deníky: 1) všední den – PO,2) všední den – PŘED, 3) VÍKEND Přílohy: 1) Deníky cest – PŘED a PO: - formulář 2x – pro všední den a víkend 2) MAPY – zakreslení „akčního prostoru“

5

Místo rozhovoru:

Začátek rozhovoru:

Datum rozhovoru:

Referenční den:

ČÁST I

Nejprve budeme hovořit o tom, kam a jak jste včera cestoval/a. Vzpomeňte si prosím na Vaši první cestu (u pěší cesty alespoň 5 minut). Budu se Vás ptát na podrobnosti této cesty.

1 Práce

Q1. Jaký byl účel Vaší první včerejší cesty? (nezapomeňte např. na cesty na nákup, které jste uskutečnil/a cestou do práce)

2 Doprovod dětí do školy, školky 3 Škola (ne doprovod dětí do školy) 4 Nákup 5 Ostatní

Q2. Jaká je adresa místa, kam jste cestoval/a? Q3. V kolik hodin jste vyrazil/a z domova nebo odjinud (čas u dveří)?

a) Ulice

:

b) obec

a) Hodin

:

b) minut

Q4. Jak dlouho Vám tato cesta trvala? Uvažujte čas od dveří ke dveřím, tedy např. včetně zaparkování.

minut

Q5. Musel/a jste na cílové místo uvedené cesty dorazit v nějaký pevně stanovený čas?

1 Ano (pevný čas příjezdu)

Q6. Jakým dopravním prostředkem jste cestoval/a?

1 Autem – řidič

0 Ne (flexibilní čas příjezdu)

2 Autem – spolujezdec 3 Tramvají 4 Trolejbusem 5 Autobusem MHD 6 Vlakem 7 Linkovým nebo regionálním autobusem 8 Na kole 9 Pěšky 10 Jinak

Q7. Označte kombinace více způsobů FILTR: pokud jakýkoliv typ hromadné dopravy Q8. Kolikrát jste přestupoval/a (pouze přestupy z jednoho prostředku HD na druhý, nikoliv např. mezi kolem a HD)?

1

Q. Jaké byly celkové finanční náklady, které jste na tuto cestu měla (s výjimkou kola a chůze)? Q9: Auto

Q10: HD

Q11: Kombinace

Kč

Kč

-2 neví

Kč

-2 neví

-2 neví

FILTR:

FILTR:

FILTR: typ nákladů vyplnit do otázky Q9 a Q10

Q12. Jaký typ nákladů jste do částky započítal/a?

Q14. Jakým způsobem jste uhradil/a cestu hromadnou dopravou? 1 Samostatné jízdné nepřestupné

1 Pohonné hmoty 2 Pojištění

2 Samostatné jízdné přestupné

3 Opravy a údržba

3 Časové předplatné (měsíční)

4 Leasing 5 Parkovné

4 Časové předplatné (čtvrtletní)

6 Amortizace, odpisy 7 Jiné

5 Časové předplatné (půlroční) 6 Časové předplatné (roční) 7 Časové předplatné (jiné) 8 Kreditní předplatné jako Plzeňská karta, Pardubická karta nebo elektronická peněženka 9 Jízda na černo 10 Jiné

FILTR: Pokud uvedl/a náklady na parkování?

Q15. Označte, pokud se jednalo o kombinaci více způsobů např. předplatné na vlak a předplatné na MHD

Q13. Kolik parkování?

Q16. Měl/a jste nějakou slevu (např. pro důchodce či studenty, nikoliv kreditní předplatné)?

jste

platil/a

za

Kč

1 Ano 2 Ne

Q17. Odhadněte délku této cesty v kilometrech

1 -2 Nevím

Q18. Mohl/a byste tutéž cestu uskutečnit jinými dopravními prostředky nebo pěšky?

2

1 Ano 2 Ne

km

FILTR: pokud ano Q19. Jakým? 1 Autem

2 Hromadnou dopravou nebo jiným prostředkem hromadné dopravy

3 Jinak

Q. Jaké by byly finanční náklady na použití jiného dopravního prostředku? Q20.

Kč

Q21.

Kč

Q22.

1 Stejné jako v Q10 - 2 Nevím

- 2 Nevím

- 2 Nevím

Q23. Cestoval/a jste sám/a nebo s někým blízkým?

1 Společně s dítětem 2 Společně s někým jiným z domácnosti 3 Společně s dítětem a někým jiným z domácnosti 0 Sám 4 Jinak

Q24. Uskutečnil/a jste tuto cestu obvyklým způsobem (v obvyklý čas a obvyklými dopravními prostředky)?

1 Ano

Q25. Cestoval/a jste poté během dne ještě jinými, než uvedenými dopravními prostředky (nebo kombinací DP)?

1 Ano

0 Ne

0 Ne

Q26. Označte, pokud uvedl/a, že pouze pěšky Q27. Uskutečnil/a jste poté ještě jinou cestu za jiným účelem, než jaký byl účel první cesty nebo návrat domů?

1 Ano 0 Ne

FILTR: Pokud ano Q28. Za jakým cestoval/a?

jiným

účelem

jste

potom

1 Práce 2 Škola (nikoliv doprovod dětí do školy) 3 Nákup 4 Ostatní

3

Kč

Odpovídá

Neodpovídá

Q29. Řekněte mi prosím, nakolik následující výrok odpovídá skutečnosti. KARTA

1

2

3

4

5

a) Potřebuji být flexibilní a moci během dne uskutečnit mnoho cest. b) Většinou dělám stejné cesty ve stejný čas.

c) Cestování prostředky hromadné dopravy mi je příjemné.

Q30. Nyní Vám přečtu několik výroků. Řekněte mi prosím s pomocí této škály, nakolik s výroky souhlasíte.

Souhlas

Nesouhlas

KARTA

1 a) Jsem ochoten/a platit více za dopravu, pokud by to pomohlo životnímu prostředí. b) Používání hromadné dopravy může zlepšit životní prostředí. c) Mnoho lidí v mém postavení jezdí hromadnou dopravou.

4

2

3

4

5

ČÁST II Nyní se Vás zeptáme na některé okolnosti, které nám mohou lépe přiblížit, jak jsou pro Vás jednotlivé dopravní prostředky dostupné.

Q31. Kolik provozuschopných automobilů má celkem k dispozici Vaše domácnost? (zaškrtněte příslušné číslo ve sloupci).

Q31

Q32

Q33

0

Stáří (let)

Jedná se soukromý automobil 7

o

Q34

Q35

Q36

Q37

Respondentem používaný nebo

Typ paliva

Spotřeba (litrů/100 km)

Celková spotřeba paliva za měsíc

je respondent nejčastějším uživatelem v domácnosti7 b:1

litrů Kč

c:2

litrů Kč

d:3

litrů Kč

e:4

litrů Kč

f:5

litrů Kč Odpovědi: 1 Benzín 2 Nafta 3 LPG 4 Ostatní

FILTR: pokud 1 automobil v domácnosti Q32b. Jaké je stáří Vašeho automobilu? Q33b. Je to Váš soukromý automobil? (Označte, pokud se jedná o soukromý automobil respondenta nebo blízkých osob.) Q34b. Jste osobou, která tento automobil v domácnosti využívá nejčastěji? Q35b. Jaký typ paliva používáte? Q36b. Jakou spotřebu paliva má Vaše auto při cestách po městě? Q37b. Odhadněte prosím celkovou měsíční spotřebu paliva do Vašeho automobilu (v litrech nebo Kč).

5

FILTR: pokud více než 1 automobil Q32b-f. Jaké je stáří těchto automobilů? Q33.b-f. Který z těchto automobilů je v soukromém vlastnictví členů Vaší domácnosti nebo blízkých osob? Q34b-f. Kterým z těchto automobilů nejčastěji cestujete ve městě? Q35b-f. Jaký typ paliva do tohoto auta používáte? Q36b-f. Jakou spotřebu paliva má tento automobilu při cestách po městě? Q37b-f. Odhadněte prosím celkovou měsíční spotřebu paliva do tohoto automobilu (v litrech nebo Kč). FILTR: pokud alespoň 1 automobil v domácnosti litrů

Q38. Jaké jsou celkové měsíční náklady Vaší domácnosti na cesty autem (všemi auty)? Odhadněte počtem ujetých kilometrů nebo spotřebovaných litrů paliva.

km -2

Nevím

1 Vy sám

Q39. Kdo platí největší část nákladů spojených s cestami autem?

2 Jiný člen Vaší rodiny 3 Zaměstnavatel 4 Zčásti zaměstnavatel, zčásti vy sám

Q40. Jaké máte možnosti parkování v místě bydliště?

1 Parkování zdarma na ulici 2 Vlastnictví garáže a nebo parkovacího stání

(označte všechny respondentem uvedené možnosti)

3 Pronájem garáže a nebo parkovacího stání 4 Nutno platit (jednorázově)

FILTR: pouze pokud odpověděl 1 nebo 4 Q41. Jak snadné je zaparkovat v místě Vašeho bydliště?

minut -2 Nevím

Odhadněte prosím průměrný počet minut potřebných na nalezení parkovacího místa.

Q42. Jak snadné je zaparkovat v cílovém místě cesty, o které jsme hovořili v předchozí části?

minut

Odhadněte prosím průměrný počet minut potřebných na nalezení parkovacího místa a docházky do cílového místa.

-2 Nevím

Q43. Vlastníte řidičský průkaz?

1 Ano 2 Ne

Q44. Jak často máte možnost vzít si automobil v případě, že ho potřebujete (např. od členů domácnosti, ostatních příbuzných, známých nebo použít služební auto)?

1 Téměř vždy

KARTA

4 Nikdy

2 Ne vždy, když potřebuji 3 Velmi zřídka

6

Q45 a Q46. Řekněte mi prosím, jaké osoby s Vámi žijí v domácnosti a jaký je jejich věk. Začněte prosím u sebe. (Domácnost představují společně hospodařící osoby.) Q45. (doplňte)

Q46.

Q47.

Q48.

Osoba

Věk

Typ předplatného na hromadnou dopravu (včetně vlaku)

Typ slevy na hromadnou dopravu

Odpovědi:

Odpovědi:

Odpovědi:

1 Respondent

1 Časové předplatné měsíční

1 Žákovské

2 Partner

2 Časové předplatné čtvrtletní

2 Studentské

3 Dítě

3 Časové předplatné půlroční

3 Pro důchodce

4 Sourozenec

4 Časové předplatné roční

4 ZTP

5 Rodič

5 Časové předplatné jiné

5 Zaměstnanecké

6 Jiné

6 “Kreditní“ předplatné typu plzeňské karty nebo elektronické peněženky

(nikoliv, že zaměstnavatel hradí část nákladů)

1 (respondent)

7 Předplatné na vlak 8 Jiné

6 Jiné – upřesněte

9 Jezdí na jednotlivé jízdenky 10 Jezdí na černo 11 Nemusí platit 12 Nejezdí Q47 a Q48. Řekněte mi prosím, kdo z těchto osob má nějaké předplatné na hromadnou dopravu, jaký typ, případně typ slevy. („Kreditní“ předplatné typu plzeňské nebo pardubické karty nebo elektronické peněženky nepovažujte za slevu).

Ad47. Zeptejte se na všechny osoby, které nemají žádný typ předplatného? Jakým způsobem hradí (doplňte osobu) jízdy hromadnou dopravou? (Zaznamenejte do tabulky výše)

Q49a. Jaké jsou Vaše celkové měsíční náklady na cesty hromadnou dopravou?

Kč -2

Q49b. Jaké jsou celkové měsíční náklady Vaší domácnosti na cesty hromadnou dopravou?

Nevím Kč

-2

7

Nevím

FILTR: Pokud respondent nemá předplatné na hromadnou dopravu?

časové

1 Nevyplatí se mi to 2 Nejezdím příliš často

Q 50. Z jakého důvodu nemáte žádné předplatné na hromadnou dopravu?

3 Jiné _______________ (Na základě výsledků pilotáže budou definovány kategorie)

Q51. Jaká je z Vašeho bydliště vzdálenost na nejbližší zastávku hromadné dopravy? Vyjádřete minutami chůze.

minut chůze

Q52. Jak často jezdí spoje z nejbližší zastávky hromadné dopravy v ranní špičce (7:00 – 8:00)? Uvažujte pouze 1 směr.

Každých

Q53. Kdo hradí Vaše náklady na dojíždění?

1 Vy sám

minut

-2 Nevím

2 Jiný člen Vaší rodiny 3 Zaměstnavatel 4 Zčásti zaměstnavatel, zčásti vy sám Q54. Kolikrát se Vám v průběhu posledních 14 dnů stalo, že prostředek hromadné dopravy nepřijel na zastávku včas.

______________________________ krát -2 Nevím

(včas = časový rozdíl, který sám/a vnímáte)

-1 Necestoval/a jsem v tomto období HD Q55. Kolik provozuschopných kol je ve Vaší domácnosti? Q55b. Kolik z těchto kol využívají členové Vaší domácnosti k cestám po městě?

ČÁST III

Nyní bychom se Vás rádi dotázali na obdobnou cestu, jakou byla ta, o které jsme hovořili v první části?

1 Méně než 30 minut

Q56. Jak dlouho Vám zpravidla v běžný všední den trvá obdobná cesta? Počítejte celkový čas od dveří ke dveřím?

2 30 a více minut

Výběrový experiment – „krátká varianta“

Instrukce pro tazatele Nyní Vám ukážeme 2 možnosti, které popisují, jak byste mohl/a v podobném případě také cestovat. Jednou z možností je cesta autem, druhou cesta hromadnou dopravou. Cesta je v obou případech charakterizována: 1) použitým dopravním prostředkem, 2) trváním cesty (od dveří ke

8

dveřím) a 3) finančními náklady. U hromadné dopravy je navíc popsána 4) počtem přestupů a 5) délkou intervalů v dobu, kdy jezdíte. Připomínáme, že pokud v současné chvíli pojedete autem, zaplatíte za pohonné hmoty: za benzín asi 2 Kč, za naftu asi 1 korunu 70, za LPG asi 1 korunu 10. Nyní bude následovat 8 voleb, v nichž se budete opakovaně rozhodovat mezi 2 možnými způsoby cestování. V každé volbě se prosím rozhodujte znovu, bez ohledu na Vaši předchozí odpověď.

Poznámka pro tazatele. Pokud se bude respondent ptát na celkové náklady na palivo na 1 cestu, vynásobte počet km uvedených respondentem v ČÁSTI I cenou paliva uvedenou na kartě.

Pokud by se respondent ptal na důvod zvýšení nákladů u auta, uveďte jako příklady zvýšení daní, zvýšení parkovného nebo mýtné.

Nové znění: Představte si, že by se od příštího roku změnila nabídka možností, jak byste mohl/a uskutečnit obdobnou cestu, jako tu včera. Mohly by se například změnit ceny jednotlivého jízdného a v závislosti na tom i ceny předplatného na hromadnou dopravu, intervaly hromadné dopravy nebo počty přestupů. Zároveň by se změnily ceny pohonných hmot při cestách autem.

Prodloužení cesty díky dopravním zácpám, čas na nalezení parkovacího místa, …

Připomeňme, že pokud v současné chvíli pojedete autem, zaplatíte za pohonné hmoty: - za benzín asi 2 Kč, - za naftu asi 1,70 Kč a - za LPG asi 1,10 Kč.

Nyní bude následovat … otázek. V každé z nichž se Vás budeme ptát, pro jakou ze tří možností byste se rozhodl/a. V každé z otázek se prosím rozhodujte znovu, bez ohledu na Vaši předchozí odpověď.

Představte si, že byste za situace, kdy byste měla na výběr mezi 3 možnostmi popsanými na následujících kartách měl/a uskutečnit obdobou cestu, jako tu, o které jsme hovořili. Kterou z těchto možností byste zvolil/a.

9

Toto je volba č. 1. KARTA 1

Přečtěte si prosím popis těchto dvou způsobů, jakými byste mohl/a obdobnou cestu uskutečnit. Použitý dopravní prostředek

Auto

Hromadná doprava

10

20

-

1

Cena paliva na 1 km 2,5 Kč

Každých 10 minut Jízdné 15 Kč za 1 cestu

Trvání cesty v minutách (od dveří ke dveřím) Počet přestupů Interval v ranní špičce (7:00 – 8:00) Finanční náklady

Q60. Pokud by toto byly dostupné možnosti, jak uskutečnit obdobnou cestu, jako tu, o které jste předtím hovořil/a, kterou možnost byste zvolil/a?

1 Auto

2 Hromadnou dopravu

3 Ani jednu z nabídnutých možností

Q61. Proč jste si nezvolil/a ani jednu z nabídnutých možností? (otevřená otázka pouze pro pilotáž)

Toto je volba č. 2 KARTA 2

Přečtěte si prosím opět popis dvou způsobů, jakými byste mohl/a obdobnou cestu uskutečnit. Zapomeňte pro tuto chvíli, jak jste předtím odpovídal/a. Použitý dopravní prostředek

Auto

Hromadná doprava

30

30

-

0

Cena paliva na 1 km 4 Kč

Každých 5 minut Jízdné 30 Kč za 1 cestu



1 Auto

2 Hromadnou dopravu



10



Auto

Hromadná doprava

X

X

-

X

Cena paliva na 1 km X Kč

Každých x minut



Jízdné X Kč za 1 cestu

1 Auto

2 Hromadnou dopravu





Auto

Hromadná doprava

X

X

-

X


Každých x minut




1 Auto

2 Hromadnou dopravu



11



Auto

Hromadná doprava

X

X

-

X


Každých x minut




1 Auto

2 Hromadnou dopravu





Auto

Hromadná doprava

X

X

-

X


Každých x minut




1 Auto

2 Hromadnou dopravu



12



Auto

Hromadná doprava

X

X

-

X


Každých x minut




1 Auto

2 Hromadnou dopravu





Auto

Hromadná doprava

X

X

-

X


Každých x minut




1 Auto

2 Hromadnou dopravu



13

Q76. Pokud byste zvolil/a cestu automobilem, jel/a byste sám/a, řídil/a nebo jel/a jako spolujezdec.

1 Sam/a byste řídil/a

2 Jel/a byste s někým jako řidič

3 Jel/a byste s někým jako spolujezdec

ČÁST IV

Rádi bychom se zeptali na několik skutečností týkajících se Vašeho bydliště. Q101. Jaká je adresa Vašeho stávajícího bydliště? Q102. Bydlíte v bytě, samostatném či řadovém domě?

a) Ulice

:

b) obec :

1 Byt 2 Samostatný dům 3 Řadový dům 4 Jiné

Q103. Jak byste charakterizovala lokalitu, v níž žijete?

1 Vnitřní město nebo centrum velkého města

KARTA

2 Širší centrum velkého města 3 Okraj velkého města 4 Vesnice 5 Menší město 6 Jiné

Q104. Dokázal/a byste odhadnout vzdálenost svého bydliště od centra … (doplňte Pardubic, Plzně, Hradce Králové podle místa bydliště)? Q105. Jaký je Váš vlastnický vztah k bytu či domu, ve kterém bydlíte? KARTA

km -2 Nevím, neumím odhadnout 1 Vaše osobní vlastnictví 2 Nájemní bydlení 3 Vaše družstevní bydlení 4 Osobní nebo družstevní Vašich rodinných příslušníků 5 Jiné

Q106. Kolik metrů čtverečních obytné plochy má byt nebo dům, které Vy osobně užíváte? Q107. Pokuste se prosím s pomocí nabídky na kartě popsat občanskou vybavenost v místě bydliště. (obchody, základní školy, lékař …) KARTA

m2

1 Veškerá občanská vybavenost v pěší vzdálenosti 2 Pouze část občanské vybavenosti v pěší vzdálenosti 3 Většina občanské vybavenosti mimo pěší vzdálenost

14

Q108. Jakému typu bydlení byste dal/a přednost, kdybyste měla na výběr? KARTA

1 Bytu v centru nebo širším centru města 2 Bytu mimo hranici širšího centra města 3 Samostatně stojícímu domu v centru nebo širším centru města 4 Samostatně stojícímu domu mimo hranici širšího centra města 5 Řadovému domu v centru nebo širším centru města 6 Řadovému domu mimo hranici širšího centra města 7 Jinému

Q109. Nyní Vám opět přečtu několik výroků. Řekněte mi prosím s pomocí této škály, nakolik s výroky souhlasíte. KARTA ano 1

Ne 2

3

a) Jsem ochoten/a cestovat déle, abych mohl/a bydlet v zeleni, klidné lokalitě nebo realizovat své zájmy. (při dotazu, co znamená déle = cca 20 minut na jednu cestu) b) Rád/a bych bydlel/a v pěší vzdálenosti od obchodů, restaurací a další infrastruktury. c) Mám rád/a ruch města.

A nyní k jinému tématu. Filtr: Auto k dispozici (Q43: odpověď 1) d) Auto, kterým jezdím, lidé považují za luxusnější auto.

FILTR: pokud je respondent ekonomicky aktivní

1 Změna bydliště 2 Změna pracoviště

Q110. Uvažujete v současné době v souvislosti s dopravní dostupností Vašeho zaměstnání o některé z následujících změn? KARTA

3 Nákup (dalšího) automobilu 4 Nákup jiného typu automobilu 5 Jiné 6 Žádné

15

4

5

Q111. Uvažujete v současné době v souvislosti s dopravní dostupností aktivit, které provozujete ve volném čase, o některé z následujících změn?

1 Změna bydliště

KARTA

4 Nákup jiného typu automobilu

2 Změna pracoviště 3 Nákup (dalšího) automobilu

5 Jiné 6 Žádné Q112. Vlastníte (i s osobami mimo domácnost) chatu, chalupu nebo jiný rekreační objekt (např. zahradu)? Uveďte pouze, pokud je mimo docházkovou vzdálenost.

1 Ano

Q113. Navštěvujete pravidelně svůj vlastní rekreační objekt či jiné místo rekreace, které je mimo docházkovou vzdálenost od vašeho bydliště?

1 Ano

Q114. Upřesněte prosím, jak často:

1 Častěji, než jednou týdně

0 Ne

0 Ne

2 Jednou týdně 3 Dvakrát za měsíc 4 Jednou za měsíc 5 Méně, než jednou za měsíc Q115. Navštěvujete pravidelně své blízké příbuzné jako rodiče, prarodiče, děti, vnoučata, kteří žijí mimo docházkovou vzdálenost od Vašeho bydliště?

1 Ano

Q116. Upřesněte prosím, jak často:

1 Častěji než jednou týdně

0 Ne

2 Jednou týdně 3 Dvakrát za měsíc 4 Jednou za měsíc 5 Méně než jednou za měsíc Q117. Jaký dopravní prostředek na tyto cesty nejčastěji využíváte?

1 Auto 2 Hromadnou dopravu 3 Kolo 4 Jiný

ČÁST V Nyní bychom se Vás rádi dotázali na skutečnosti týkající se Vaší osoby. Q118. Jaké je Vaše nejvyšší dokončené vzdělání?

1 ZŠ 2 SŠ 3 SŠ s maturitou (vč. vyšší odb.) 4 VŠ

Q119. Jaké je nebo bylo Vaše poslední povolání (podrobně)?

16

Q120. Jaké je Vaše současné ekonomické postavení, hlavní zdroj obživy? KARTA

1 Zaměstnanec na plný úvazek 2 Zaměstnanec na částečný úvazek (1/2 a vyšší) 3 Zaměstnanec na částečný úvazek (méně než ½) 4 Soukromník, podnikatel 5 Svobodné povolání 6 Spolupracující člen rodiny 7 Nezaměstnaný 8 Student, učeň 9 Důchodce invalidní 10 Důchodce ostatní 11 Trvale v domácnosti 12 Na rodičovské dovolené 13 Pracující student / pracující důchodce 14 Ostatní

Q121. Kolik je ve Vaší domácnosti ekonomicky aktivních osob vč. Vás? (započítejte pouze osoby, které nejsou zároveň studenti nebo důchodci). FILTR: pokud respondent pracuje

1. Žádné

Q122. Máte ve svém hlavním zaměstnání nějaké podřízené a kolik?

2. 1 – 2 3. 3 - 5 4. 6 - 10 5. 11-20 6. 21 a více

Q123. Rádi bychom věděli, jaký je v průměru čistý měsíční příjem Vaší domácnosti. Myslíme tím Vás a členy Vaší rodiny, kteří s Vámi žijí. Zahrňte prosím všechny mzdy, platy, důchody, dávky, podpory a ostatní příjmy, které získáváte.

1. 0 – 9 000

KARTA

5. 18 001 – 23 000

2. 9 001 – 13 000 3. 13 001 – 15 500 4. 15 501 – 18 000

6. 23 001 – 29 000 7. 29 001 – 35 000 8. 35 001 – 45 000 9. 45 001 – 55 000 10. Více než 55 000 11. Nechce odpovídat

17

Q124. Rádi bychom věděli, jaký je Váš celkový čistý měsíční příjem. KARTA

1. 0 – 5 500 2. 5 501 – 7 000 3. 7 001 – 8 500 4. 8 501 – 10 500 5. 10 001 – 13 000 6. 13 001 – 15 000 7. 15 001 – 18 000 8. 18 001 – 24 000 9. 24 001 – 35 000 10. Více než 35 000 11. Bez vlastního příjmu 12. Nechci odpovídat

Q125. Kdo je ve Vaší domácnosti hlavním živitelem rodiny (vydělává nejvíce)?

1 Vy sám/a 2 Partner/ka 3 Někdo jiný 4 Vy a partner přibližně stejně 5 Vy a někdo jiný přibližně stejně 6 Nevím 7 Nechci odpovídat

Q126. Pohlaví respondenta – vyplní tazatel.

1 Muž 2 Žena

Tímto je hlavní část rozhovoru u konce. Dovolte mi na jeho závěr položit Vám ještě několik otázek k jeho průběhu (pro pilotáž).

ČÁST VI

Q131. Zdály se Vám nabízené varianty volby v části III realistické? 1 Ano (všechny) 0 Ne (pokud uvede alespoň jednu nerealistickou volbu)

Q132. Upřesněte:

_______________________________________________________________________________ Děkuji za Váš čas. Tazatel: Varianta experimentu:

Konec rozhovoru:

18


1.5 Tvorba teoretického modelu chování Na základě studia literatury (aktivita 1.1 Rešerše studií dopravního chování), metaanalýzy studií dopravního chování (aktivita 1.3) a výsledků dvou kvalitativních předvýzkumů (aktivity 1.4.1 a 1.4.2) je formulován návrh uspořádání dotazníkového šetření34 a specifikován model použitý k identifikaci proměnných (predikátorů), které vysvětlují volbu dopravního prostředku na běžné cesty v rámci městských aglomerací. Výsledný model volby dopravního prostředku je založen na projevených preferencích jednotlivců. Tento model tak popisuje vztah mezi závislou (vysvětlovanou, predikovanou) proměnnou a skupinou nezávislých (vysvětlujících, predikujících) proměnných na základě znalosti reálného chování dotazovaných jedinců.35 K modelování popsaného vztahu používáme data o první cestě včetně případné zastávky a volbě dopravních prostředků, jak ji respondenti uskutečnili v den předcházející dnu výzkumu. Tato data doplňují charakteristiky řetězce cest následujícího první cestu. Vzhledem k tomu, že respondenti referují o námi náhodně vybraném pracovním dni a první cestě, jedná se o kvazi experimentální data. Zkoumání charakteristik první cesty umožňuje do výzkumu zahrnout i cestovní chování osob, které dojíždějí s jiným cílem než do práce. Při zjišťování jsme se omezili pouze na cesty v rámci městské aglomerace (vymezené jako destinace dostupné integrovanou hromadnou dopravou). Dálkové cesty nebo cesty pouze přes území města nebyly předmětem šetření. Volba tohoto omezení stála na předpokladu, že první cesta v pracovní den je z hlediska zájmu o volbu dopravního prostředku přijatelnou reprezentací celého denního řetězce,36 a že údaje o ní poskytují dostatek informací využitelných k modelování volby dopravního prostředku, a to včetně variací voleb mezi jednotlivými cestami a dny. V průběhu řešení výzkumného projektu a především fáze předvýzkumu a testování výzkumného nástroje jsme uvažovali také o možnosti využít scénář založený na stanovených preferencích jednotlivců [viz např. Louviere, Hensher, Swait 2000]. S pomocí tohoto scénáře lze zkoumat, jak by se chování respondentů změnilo, pokud by se změnily charakteristiky nabídky jednotlivých dopravních modů (např. cestovní náklady, cestovní čas, počet přestupů, komfort jednotlivých dopravních modů, spolehlivost, atd.). V průběhu testování se však ukázalo, že hlavním úskalím této metody je její aplikovatelnost ve třech různých lokalitách a centrálních městských a příměstských oblastech zároveň. Pro různé lokality a typy bydliště by bylo zapotřebí pracovat s různýmu úrovněmi atributů voleb dopravních prostředků. Aby pak byl hypotetický 34

Z hlediska realizace následných fází výzkumného projektu byl popis uspořádání dotazníkového šetření podkladem pro tvorbu zadávací dokumentace pro vyhlášení výběrového řízení na sběr dat. Podrobný popis uspořádání dotazníkového šetření je v následující části (1.6) závěrečné zprávy. 35 Na rozdíl od modelu založeném na stanovených preferencích, který modeluje vztah mezi závislou a nezávislými proměnnými na základě deklarovaného chování jednotlivců v hypotetických situacích. Více o modelu stanovených preferencí např. Louviere, Hensher and Swait [2000] nebo Bates [2000]. 36 Ve studii dopravního chování provedené v roce 2005 v Plzni vykonalo více než 58% osob cestujících ve sledovaný den pouze 2 cesty. Kromě toho 75% dotazovaných osob cestovalo ve sledovaný den pouze jedním dopravním prostředkem [Braun Kohlová, Foltýnová, 2005].

68


scénář pro všechny respondenty smysluplný a obsahoval pouze relevantní úrovně takových charakteristik jako je cena jízdného, cestovní čas, počet přestupů atd. a abychom měli zároveň dostatečně velký počet pozorování ve všech existujících variantách hypotetických scénářů, musel by být celkový vzorek výrazně vyšší, než umožnil celkový rozpočet výzkumného projektu. Z tohoto důvodu byl výběrový experiment, jako jedna z nejčastěji používaných metod založených na stanovených preferencích, testován v předvýzkumu, ale v dotazníkovém šetření od něj bylo upuštěno. Specifikace teoretického modelu chování K analýze dat jsme použili metodu logistické regrese, jak o ní referuje například Řeháková [2000]. Z jejího článku uvádíme hlavní charakteristiky analýzy a způsoby interpetace charakteristik modelu a odhadu parametrů. „Cílem analýzy, která využívá metodu regrese, je nalézt co nejlepší, nejúspornější a současně věcně smysluplný model, který popíše vztah mezi závislou (vysvětlovanou, predikovanou) proměnnou a skupinou nezávislých (vysvětlujících, predikujících) proměnných“ [Řeháková 2000: 475]. Logistická regrese je pak ta varianta analýzy, kdy vysvětlovaná proměnná není spojitá, nýbrž diskrétní37. Příkladem diskrétní nebo kategorizované vysvětlující proměnné je např. volba dopravního prostředku nebo volby trasy cesty, kdy jednotlivé varianty nelze uspořádat. Protože závislá proměnná v námi používané analýze nabývá více než dvou hodnot, jedná se o polytomickou nebo multinomickou logistickou regresi. Vysvětlujícími proměnnými jsou jak kategorizované proměnné (faktory), tak proměnné spojité (kovariáty). V případě logistické regrese nás zajímá, zda lze klasifikovat případy do dvou a více kategorií závislé proměnné na základě skupiny nezávislých proměnných. „Místo toho, abychom se snažili predikovat libovolně zvolené hodnoty sloužící k označení kategorií závisle proměnné, zaměříme se na problém predikce pravděpodobnosti, že případ patří do jedné kategorie závislé proměnné. Známe-li totiž P(Y = 1), známe i P(Y = 0), protože P(Y = 0) = 1 – P(Y = 1). Abychom se vyhnuli problému, že hodnoty predikované rovnicí P(Y = 1) = α + β1X1 + … + βKXK,

(1. 1)

by nemusely padnout do intervalu mezi nulou a jedničkou, nahrazuje se pravděpodobnost jevu Y šancí jevu (Y=1). Šance, že nastal jev, tj. šance, že Y = 1, psáno šance(Y = 1), je definovaná jako podíl pravděpodobnosti, že Y = 1 a pravděpodobnosti, že Y ≠ 1, tedy šance(Y = 1) = P(Y = 1) / [1 – P(Y = 1)].

(1. 2)

Šance nemá žádnou pevnou maximální hodnotu, ale její minimální hodnota je nula. Přirozený logaritmus šance se nazývá logit a je definovaná pomocí vztahu logit(Y) = ln {P(Y = 1) / [1 ( P(Y = 1)]}.

37

Odtud pochází používaný pojem analýza diskrétní volby, anglicky discrete choice analysis.

69

(1. 3)


Hodnoty logitu se pohybují od minus nekonečna do plus nekonečna. Použijeme-li tedy logit(Y) jako závislou proměnnou, zbavíme se problémů v případě pravděpodobnosti a šance. Regresní rovnice má tvar logit(Y) = α + β1X1 + … + βKXK.

(1. 4)

Logit lze převést zpět na šanci pomocí exponenciální funkce jako šance(Y = 1) = exp[logit(Y)] = exp(α + β1X1 + … + βKXK) = exp(α) × exp(β1X1) × … × exp(βKXK).

(1. 5)

Od šance se dostaneme zpět k pravděpodobnosti pomocí vzorce P(Y = 1) = šance(Y = 1) / [1 + šance(Y = 1)] = exp(α + β1X1 + … + βKXK) / [1 + exp(α + β1X1 + … + βKXK)].

(1. 6)

Pravděpodobnost, šance a logit jsou tedy tři různé způsoby vyjádření téhož v tom smyslu, že jsou na sebe vzájemně převoditelné. Smyslem analýzy diskrétní volby je odhad neznámých parametrů α a β1… βK. Tyto odhady je možné následně dosadit do rovnice 1.6 a odhadnout pravděpodobnosti, že jedinec zvolí tu kterou alternativu. Pro hodnocení logistického regresního modelu a tedy odpovědi na otázku, zda je mezi souborem vysvětlujících a vysvětlovanou proměnnou vztah a jak je silný, existuje několik statistik. Zde se omezíme na ty, které jsou součástí výstupu programu SPSS, který jsme k analýze použili. „Za prvé je to statistika –2LL (–2 log likelihood), která má asymptoticky rozdělení χ2. Tato statistika nabývá kladných hodnot a větší hodnoty indikují horší predikci závislé proměnné. Nejprve se určí hodnota této statistiky pro model, který obsahuje jenom konstantu α, potom pro model, který obsahuje zvolenou skupinu K vysvětlujících proměnných. Jejich rozdíl se nazývá χ2 modelu a poskytuje test nulové hypotézy, že v logistickém regresním modelu β1 = β2 = … = βK = 0. Je-li dosažená hladina významnosti (P-hodnota nebo Signifikance) menší než předem zvolená hladina významnosti nebo jí je rovna, pak zamítáme tuto nulovou hypotézu a vyvozujeme, že informace o nezávislých proměnných umožňuje lepší predikci závislé proměnné, než by byla možná bez této informace. Za hladinu významnosti, ke které vztahujeme P-hodnotu, obvykle volíme číslo 0,05“ [Řeháková 2000: 478-479]. Jiný způsob, jak ocenit adekvátnost modelu, spočívá v porovnání pozorovaných a modelem predikovaných zařazení do kategorií vysvětlované proměnné, které je vyjádřeno klasifikační tabulkou. Ta udává, kolik případů bylo s pomocí modelu klasifikováno správně. Správná klasifikace (diskriminační síla modelu) je důležitá, chceme-li využít model k predikci. Dále v logistické regresi existuje řada ukazatelů analogických ke koeficientu determinace, který udává procento variability v závislé proměnné vysvětlené uvažovanými nezávislými proměnnými. Výstupy z SPSS udávají R2 Coxové a Snella a R2 Nagelkerka. Test dobré shody regresního modelu s daty – např. Hosmerův a Lemeshowův skýtá další možnost ocenění přiměřenosti modelu.

70


Interpretace odhadnutých regresních koeficientů je komplikovanější než v případě lineární regrese. Logistický koeficient βk interpretujeme jako změnu logitu spojenou s jednotkovou změnou hodnoty nezávislé proměnné Xk za předpokladu, že hodnoty ostatních nezávislých proměnných se nezmění. Exp(βk) je pak násobek, o který se změní šance, jestliže hodnota nezávislé proměnné Xk se změní o jednotku a hodnoty ostatních nezávislých proměnných se nezmění. Je-li βk > 0, šance se zvětší, je-li βk < 0, šance se zmenší, je-li βk = 0, šance se nezmění. Regresní koeficienty u faktorů (kategorizovaných proměnných) reprezentují efekt každé kategorie v porovnání s kategorií referenční. Regresní koeficient pro referenční kategorii je roven nule. K testování, zda je nezávislá proměnná významná pro predikci či vysvětlení závisle proměnné, je použita Waldova statistika. Je-li dosažená hladina významnosti menší než 0,05 nebo 0,1, zamítáme hypotézu, že βk = 0 a že tedy testovaná vysvětlující proměnná nemá efekt na vysvětlovanou proměnnou. Testované modely V části 1.7 prezentujeme výsledky testování tří různých modelů volby dopravního prostředku. V prvním z modelů testujeme vliv následujících socio-ekonomických charakteristik jednotlice a prostorových charakteristik respondentova místa bydliště na volbu dopravního prostředku. Model volby dopravního prostředku na každodenní cestu: Vysvětlovaná proměnná:

Vysvětlující proměnné: SOCIO-EKONOMICKÉ GEOGRAFICKÉ

VOLBA DP VYBAVENOST STATKY DLOUHODOBÉ SPOTŘEBY CHARAKTERISTIKY CESTY

Parametry modelu vysvětlují, jakými determinantami na straně socioekonomických a geografických faktorů je podmíněna volba dopravního prostředku. V případě dosazení známých hodnot tento model umožňuje odhadnout podíl jednotlivých dopravních prostředků na každodenních cestách v pracovní dny resp. jeho změnu, pokud by se změnily sociální a ekonomické charakteristiky, neznáme-li bližší podrobnosti o konaných cestách jedinců v určité lokalitě jako jsou celkové náklady nebo cestovní čas. Druhý model je tzv. modelem náhodného užitku. Kromě výše uvedených socioekonomických a geografických charakteristik obsahuje atributy možných alternativ: cestovní náklady a cestovní čas. Odhady parametrů (β1… βK) modelu ukazují, jak pravděpodobnost, resp. šance, že jednotlivec zvolí určitý dopravní prostředek, variuje jak se změnou individuálních charakteristik a charakteristik domácnosti, tak s jeho

71


vlastnostmi nazývanými atributy alternativ. Takovými atributy jsou např. náklady na cestu (autem versus hromadnou dopravou, pěšky či na kole, atd.), cestovní čas (při cestě autem versus hromadnou dopravou, pěšky či na kole, atd.). Třetí model je variantou prvního modelu. V něm však odhadujeme parametry modelu pouze pro sub-populaci osob, které vlastní jak řidičské oprávnění, tak žijí v domácnosti s alespoň jedním provozuschopným automobilem. Parametry tohoto modelu přesněji zachycují efekt proměnných, které vysvětlují každodenní volbu jednotlivých dopravních prostředků při relevantní vybavenosti statky dlouhodobé spotřeby.

LITERATURA: Bates, J. (2000): History of Demand Modelling. In Hensher D. A.; Button, K. J. Handbook of Transport Modelling. Amsterdam: Pergamon, s. 11–34. Řeháková, B. (2000): Nebojte se logistické regrese. Sociologický časopis, Vol. 36. No. 4. 475 – 492. Louviere, J. J., D.A. Hensher and J. Swait (2000): Stated Choice methods: Analysis and applications in marketing, transportation and environmental valuation. Cambridge: Cambridge University Press.

72


1.6 Kvantitativní sociologické šetření V této části závěrečné zprávy prezentujeme výsledky standardizovaného sociologického šetření dopravního chování dospělého městského obyvatelstva městských a příměstských oblastí vybraných stotisícových měst ČR, které bylo uskutečněno v rámci aktivity 1.6 a následné analýzy dat (aktivity 1.7). Sociologický výzkum dopravního chování navazuje na všechny předcházející aktivity 1.1 až 1.5. Především konečné uspořádání sběru dat a podoba použitého dotazníku jsou výsledkem výstupů výše uvedených fází výzkumu. Rozsáhlé studium dostupné literatury týkající se výzkumu dopravního chování a paralelně probíhající kvalitativní výzkum i všechny vlny testování dotazníku vedly k formulaci teoretického modelu volby dopravního prostředku a konečné operacionalizaci všech proměnných obsažených v dotazníku. Pouze díky této rozsáhlé teoretické a terénní empirické práci by vytvořen dotazník obsahující proměnné potřebné k testování hypotéz testujících vliv hlavních faktorů dopravního chování a volby dopravního prostředku. Navíc byla důkladně testována srozumitelnost pokládaných otázek a kognitivní schopnost respondentů odpovídat požadovaným a dostatečně přesným způsobem. Například použití tzv. drop-off dotazníku (tedy části dotazníku, který byl v domácnostech ponechán pro pozdější doplnění za přítomnosti ostatních rodinných příslušníků) bylo zvoleno právě na základě zjištěné neznalosti o chování ostatních členů domácnosti v průběhu testování.

1.6.1 CÍLE VÝZKUMNÉHO PROJEKTU A TÉMA ŠETŘENÍ Hlavním předmětem výzkumu a dotazníkových šetření je: 1) individuální volba dopravního prostředku (dále také DP) na každodenní cesty se zvláštním důrazem na volbu prostředků hromadné dopravy (dále také HD), 2) změny dopravního chování v souvislosti se zavedenými dopravními opatřeními či změnami dopravní situace ve zkoumaných městech a 3) změny dopravního chování osob, které v průběhu let 2007 a 2008 změnily místo svého bydliště. 4) dále bylo zjišťováno vlastnictví předplatného na hromadnou dopravu u všech osob v domácnosti a 5) spotřeba motorových paliv domácností. V dotazníkovém šetření byly zjišťovány podrobnosti první cesty konané respondentem ve sledovaný pracovní den a vybrané charakteristiky řetězce cest následujícího tuto cestu. Skutečnost, že může být volba dopravního prostředku na první cestu konanou ve sledovaný den ovlivněna následujícími cestami a jejich účely, byla zohledněna v proměnných zachycujících charakteristiky celého denního řetězce

73


(především účely ostatních cest kromě sledované a jiné dopravní prostředky použité ve sledovaný den). Primárně byly předmětem studia cesty do práce, do školy a na nákupy. Kromě reálného způsobu vykonání cesty byly zjišťovány i alternativní způsoby, jakými může být stejná cesta vykonána. Při zjišťování jsme se omezili pouze na cesty v rámci městské aglomerace (vymezené jako destinace dostupné integrovanou hromadnou dopravou nebo ležící na území o poloměru 25 km od centra každého města). Dálkové cesty přes území města nebyly předmětem šetření. Dále byly předmětem výzkumu postojové charakteristiky respondentů k různým skutečnostem a druhům chování, které mohou souviset s jejich reálnými volbami a vybavenost domácností statky dlouhodobé spotřeby (automobily, předplatným na hromadnou dopravu, atd.) týkající se každodenního dojíždění.

1.6.2 USPOŘÁDÁNÍ ŠETŘENÍ Zkoumanými jednotkami, jejichž dopravní chování bylo předmětem zájmu, byli jedinci (proměnné stávající volba dopravního prostředku, postoje k charakteristikám dopravních prostředků, změny dopravního chování v souvislosti s dopravními změnami a změnou bydliště) i celé domácnosti dotazovaných jedinců (proměnné vybavenost automobily, předplatným na HD, spotřeba motorových paliv, umístění bydliště a jeho dostupnost hromadnou dopravou). Sběr byl proveden v domácnostech metodou osobních rozhovorů s pomocí papírových dotazníků. V případě, že respondent neznal odpověď na otázky týkající se vlastnictví předplatného na HD u ostatních členů domácnosti anebo otázky na celkovou spotřebu motorových paliv v domácnosti, byla část dotazníku, respektive vybrané otázky, v domácnosti zanechána pro vyplnění respondentem na základě konzultace s dalšími členy domácnosti (tzv. „drop-off dotazník“). Tato část dotazníku byla s časovým odstupem v domácnosti vyzvednuta tazatelem. Cílovou skupinou šetření byli dospělí obyvatelé včetně důchodců vybraných aglomerací sto- a více-tisícových měst (Hradec Králové, Pardubice, Plzeň). Výběr osob do vzorku byl navíc omezen požadavkem na to, aby dotazovaný respondent „předchozí den uskutečnil alespoň 1 cestu na/do území města sledované městské aglomerace“. O počtu oslovených osob, které nesplnili toto rekrutační kritérium, byl pořízen záznam obsahující základní socio-ekonomické charakteristiky). Dotazováno bylo obyvatelstvo bydlící ve výše uvedených městech a jejich příměstských oblastech. Rozsah aglomerace a výběr adres respondentů byl vymezen následujícím způsobem: Hradec Králové – obce v dosahu integrovaného dopravního systému VYDIS (všechny zóny) a všechna sídla ležící v oblasti určené poloměrem 25 km od centra města Hradce Králové. Pardubice – obce v dosahu integrovaného dopravního systému VYDIS (všechny zóny) a všechna sídla ležící v oblasti určené poloměrem 25 km od centra města Pardubice.

74


Plzeň – obce v dosahu integrovaného dopravního systému IDP a všechny obce ležící v oblasti určené poloměrem 25 km od centra města Plzně. K výběru osob do vzorku bylo použito kvót na zastoupení vybraných individuálních charakteristik (pohlaví, věk, vzdělání, místo bydliště a ekonomická aktivita).

1.6.3 TERMÍN A DNY SBĚRU DAT Data o dopravním chování byla sbírána v období březen až červen 2008 v populaci Hradec Králové, Pardubice, Plzeň a jejich spádové oblasti. V druhé polovině března proběhla pilotáž a vyhodnocení dat z pilotáže. Sběr dat byl ukončen 27. června 2008. Pořízená a pročištěná data byla zadavateli po zapracování všech připomínek předána dne 7. července 2008. Rozhovory byly provedeny pouze ve vybrané dny v týdnu: úterý až sobota. Toto omezení vyplývalo z uspořádání dotazníku, v němž bylo zjišťováno reálné dopravní chování respondenta pomocí popisu vybrané cesty v předcházející pracovní den. Dotazníkové šetření (realizované společností GfK Praha, s.r.o.) probíhalo v následujících fázích: Fáze 1 – základní konzultace designu dotazníku s realizátorem šetření Fáze 2 – příprava dotazníku a pomocných karet (grafická podoba, tisk) Fáze 3 – zaslání instrukcí pro tazatele Fáze 4 – pilotáž (na 5% vzorku cílového vzorku) Fáze 5 – vyhodnocení dat z pilotáže včetně osobní konzultace s tazateli o průběhu pilotáže Fáze 6 – úprava dotazníku v souladu s kvalitou dat sebraných v pilotáži a zkušeností tazatelů Fáze 7 – hlavní vlna sběru dat Fáze 8 – kontrola práce tazatelů Fáze 9 – předání dat a zprávy z průběhu dotazníkového šetření (3 vlny) Fáze 10 – kontrola kvality dat a čistění Volba lokalit Pro výzkum dopravního chování a volby dopravního prostředku na každodenní cesty byla zvolena populace tří sto až sto padesáti tisícových měst, která jsou co možná nejlépe srovnatelná z hlediska velikosti a vybavenosti infrastrukturou hromadné dopravy. Kromě lokality Plzně a okolí byly zvoleny dvě lokality (Pardubice a okolí a Hradec Králové a okolí), v nichž je relativně rozšířené používání cyklistiky a které tak umožňují zkoumat co možná nejvíce determinant možných voleb dopravních prostředků. Celkem bylo v dotazníkovém šetření ve třech lokalitách dotázáno 1029 osob/domácností a o další 219 osobách (které v předchozí den necestovaly) sebrány základní socio-ekonomické údaje (viz tabulka č. 1.6.1) .

75


Tabulka 1.6.1: Počet dotazovaných ve vybraných lokalitách N

Kategorie rezidentů: Hradec Králové a okolí

349

Pardubice a okolí

331

Plzeň a okolí

349

Celkem dotázaných

1029

Osoby, které v předchozí den ne nevykonaly na území aglomerace ani jednu referenční cestu

219

Celkem oslovených

1248

Velikost vzorku byla zvolena v souladu s cíli dotazníkového šetření a celého výzkumného projektu. Vzhledem k tomu, že primárním cílem šetření je identifikace faktorů vysvětlujících dopravní chování osob a tedy testování vzájemné závislosti mezi proměnnými a nikoliv sčítání osob či odhad celkové hybnosti zkoumané populace, odpovídá (menší) vzorek požadavkům běžným v sociologickém výzkumu a nikoliv dopravním výzkumu přepravních vztahů. Na rozdíl od konvenčního výzkumu přepravních vztahů obsahuje použitý vzorek mnohonásobně obsáhlejší soubor proměnných (962). Pilotáž dotazníku Na kvalitativní testování dotazníků, provedené v průběhu roku 2006 a 2007, navázala v březnu 2008 pilotáž dotazníku. Jedná se o provedení sběru dat s pomocí hotového dotazníku na malém vzorku cílové populace (35 respondentů), v tomto případě rezidentů aglomerací všech tří měst. Cílem pilotáže je ověření, zda lze bez problémů zahájit sběr dat, nakolik je připravena tazatelská síť atd. Na základě výsledků pilotáže byly provedeny formulační úpravy některých otázek, několik otázek bylo z dotazníku vypuštěno a dotazník byl v detailech graficky upraven. Dále byla výrazně rozpracována instruktáž pro tazatele a systém jejich odměňování a kontroly. Dále byla v průběhu sběru dat v hlavní vlně připravena maska datové matice. GfK Sběr dat provedla společnost GfK Praha s.r.o. Sběr dat proběhl metodou osobního dotazování v domácnostech. Použity byly papírové dotazníky. Respondenti v hlavní vlně výzkumu obdrželi za svou účast drobnou věcnou odměnu (klíčenku GfK, tužku Gfk). Průměrná délka dotazování byla 43 minut. Jeden tazatel vyplnil v průměru 16 dotazníků. Kontrola dat a práce tazatelů GfK Praha použila pro účel kontroly tohoto výzkumu kombinaci následujících postupů: - na dostatečně velkou část adres respondentů (1/3 náhodně vybraných uskutečněných rozhovorů) zaslali po skončení terénní práce kontrolní karty, a to tak, aby byla obeslána přiměřená část respondentů všech tazatelů, kteří odevzdali alespoň jeden zpracovaný rozhovor. Na těchto kartách respondent vyplněním

76


krátkého dotazníku potvrdil, že se návštěva uskutečnila, jak asi dlouho rozhovor trval, zda padly otázky na vybraná témata, zda tazatel nespojil dotazování s nějakou další aktivitou, např. nabídkou nějakého zboží či služeb apod. (tzv. externí kontrola). U každého desátého tazatele byla provedena kontrola všech respondentů na 100%. Vzhledem k externí kontrole získaných dat je zakázka proplácena až s měsíčním odstupem. Při přejímce zpracované zakázky ve společnosti GfK proběhla kontrola, zda odpovědi respondentů jsou úplné, správně a vyčerpávajícím způsobem zapsané, zda vazby odpovědí v dotazníku jsou logické a také, zda tazatel nemá dotazníky od jednotlivých respondentů zpracované stereotypním způsobem, tj. nevyskytuje se podezřelé množství totožných odpovědí od různých osob. Čištění dat • • • •

V otázkách s předkódovanými chybějícími odpověďmi byly těmito kódy chybějící odpovědi nahrazeny. V otázkách, kde nebyly předkódovány chybějící odpovědi, byly přidány nové kódy „bez odpovědi“ a chybějící odpovědi byly tímto novým kódem nahrazeny. V případě logických skoků byly případné odpovědi v přeskočených otázkách vymazány a nahrazeny kódem pro filtr. Otázky (proměnné), které byly jen v pilotu jsou u ostatních dat označeny kódem „jen pilot“ a naopak u proměnných, které v pilotu nebyly jsou u pilotu označeny kódem „jen hlavní vlna“.

Termín sběru Hlavní vlna sběru proběhla v termínu 26. 4. – 27. 6. 2005. Vzhledem k tomu, že jsme se zaměřili primárně na dopravní chování v běžný pracovní den a dotazovali se na reálné chování v předchozí den, probíhalo dotazování pouze ve dnech úterý až sobota. Jelikož ve čtvrtek 1.a 8. května byl státní svátek, neproběhlo dotazování v pátek 2. a 9. května. Dny, o nichž respondent referoval v první části rozhovoru (viz dotazník v příloze I) byly tedy pondělí až pátek. Počty rozhovorů konaných v jednotlivých dnech zobrazuje následující tabulka. Tabulka č. 1.6.2: Počet rozhovorů v jednotlivé dny N

%

úterý

271

26

středa

243

24

čtvrtek

191

19

pátek

104

10

sobota

220

21

celkem

1029

100

77


Výběr Ve výběrovém souboru bylo dotázáno 1029 respondentů starších 18 let. Důvodem omezení vzorku na dospělou populaci byl požadavek na alespoň formální dostupnost všech dopravních alternativ (tedy včetně řidičského oprávnění). Dotazované osoby musely předchozí pracovní den uskutečnit alespoň jednu cestu autem, hromadnou dopravou, nebo uskutečnili pěšky cestu delší než 5 minut jedním směrem po městě nebo území aglomerace, případně cestovali na území krajského města. Pokud dotazované osoby bydlely v Pardubicích nebo Hradci Králové, mohly tuto cestu uskutečnit i do sousedního města, tj. Hradce Králové/Pardubic. Respondenti byli do vzorku vybírání kvótním výběrem. Kvóty byly stanoveny pro každou lokalitu zvlášť. Kvótními proměnnými byly: 1) místo bydliště - skutečné nikoliv trvalé (6 kategorií); 2) pohlaví respondenta; 3) věk respondenta (3 kategorie) a 4) vzdělání respondenta (4 kategorie) 5) současná ekonomická aktivita (4 kategorie) . Zastoupení všech kvótních kategorií ve vzorku je proporcionální k zastoupení v populacích: okres Hradec Králové – zvláště obec a zbytek okresu, okres Pardubice – zvláště obec a zbytek okresu a okres Plzeň – město a dohromady okresy Plzeň – sever, Plzeň – jih a Rokycany. Kvóty nebyly vázány. Naplnění jednotlivých kvót (s výjimkou pohlaví) uvádí následující tabulky (1.6.3 -1.6.5). Tabulka 1.6.3: Kvóta 3 – věkové kategorie Hradec Králové a okolí

Pardubice a okolí

Plzeň a okolí

N

%

N

%

N

%

18-39 40-59 60+

146

42

133

40

131

38

126

36

118

36

131

38

77

22

80

24

Celkem

349

331

87

25

349

1029

Tabulka 1.6.4: Kvóta 4 – kategorie vzdělání Hradec Králové a okolí Základní Středoškolské Středoškolské t it

Pardubice a okolí N

Plzeň a okolí

N

%

61 128 115

17

61

18

66

19

37

124

37

130

37

33

115

35

107

31

78

%

N

%

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR Vysokoškolské

Celkem

45 349

13

31

9

331

46

13

349

1029

Tabulka 1.6.5: Kvóta 5 – kategorie ekonomické aktivity Pardubice a okolí

Hradec Králové a okolí

Plzeň a okolí

N

%

N

%

N

%

Ekonomicky aktivní

222

64

211

64

216

62

Nezaměstnaní

11

3

11

3

17

6

Důchodci

82

23

85

26

91

26

Ostatní

34

10

24

7

25

7

Celkem

349

349

1029

331

Na základě následné kontroly naplnění kvót můžeme konstatovat, že vzorek velmi přesně reprezentuje cílovou populaci podle všech požadovaných charakteristik (viz Sčítání lidu, domů a bytů, ČSÚ 2001). Struktura dotazníku Dotazník použitý v dotazníkovém šetření obsahoval následující části (úplné znění dotazníku je v příloze I): 1)

ČÁST I: Reálné dopravní chování

V této části zjišťujeme reálné dopravní chování respondenta v pracovní dny prostřednictvím popisu první konané cesty a následného řetězce cest. 2)

ČÁST II: Postojové charakteristiky respondentů

V této části zjišťujeme postoje respondentů k používání různých dopravních prostředků jako např. jejich společenské přijatelnosti nebo dopadům na životní prostředí. Dále měříme subjektivní hodnocení individuální potřeby mobility a kvalitativních charakteristik jednotlivých dopravních prostředků. 3)

ČÁST III: Reakce na dopravní změny

Pomocí jedné baterie jsou identifikovány aktuální změny dopravní situace (jako změny v cenách jízdného MHD, změny v dostupnosti parkovacích míst, změny v cenách parkovného), které se dotkly respondentem pravidelně využívaných tras a je zjišťováno, jakými dlouhodobými změnami dopravního chování jedinec na tyto změny zareagoval. 4)

ČÁST IV: Změny v souvislosti se změnou místa bydliště

79


V této části jsou zjišťovány změny dopravního chování a volby dopravního prostředku v důsledku změny místa bydliště a charakteristiky původního a nového místa bydliště, které mohou změnu dopravního chování vysvětlit. Na otázky v této části (celkem maximálně 14 otázek) odpovídali pouze respondenti, kteří změnili místo bydliště v průběhu roku 2006 a 2008. Z tohoto důvodu představuje 61 respondentů odpovídajících na tuto část dotazníku 6 % celkového vzorku. 5)

ČÁST V: Charakteristiky stávajícího bydliště

Jsou zjišťovány charakteristiky stávajícího bydliště, vzdálenost od centra spádové oblasti, nabídky infrastruktury hromadné dopravy, občanská vybavenost atd. 6) ČÁST VI: Socio-demografické charakteristiky domácností Kromě klasických socio-demografických proměnných jsou zachyceny proměnné udávající příjem jednotlivců i jejich domácností. 7) ČÁST VII: Vybavenost domácnosti, vlastnictví předplatného na hromadnou dopravu a spotřeba paliv Kromě vlastnictví aut a kol je zjišťováno vlastnictví předplatného na hromadnou dopravu všech členů domácnosti a celkové výdaje domácností vydávané na pravidelné cestování a dojíždění včetně parkovného. Kromě toho jsou také zjišťovány důvody (ne)vlastnictví předplatného. Rozlišovány jsou ekonomické a jiné důvody. Vybrané otázky z této části (v dotazníku označeny šedým pozadím) jsou zároveň součástí tzv. „drop-off dotazníku“, který byl v případě neznalosti odpovědí v domácnosti zanechán pro následné doplnění a vyzvednutí.

80


PŘÍLOHA I: DOTAZNÍK

81

GfK Praha, s.r.o. č. adresního listu

ZAKÁZKA č. 140 314 č.adresy

č.tazatele

Dobrý den, jmenuji se...................a jsem tazatelem (tazatelkou) nezávislé společnosti pro výzkum trhu GfK Praha. V současné době provádíme výzkum, zaměřený na každodenní dopravní chování. Zadavatelem výzkumu je Univerzita Karlova v Praze. Cílem výzkumu je zmapovat, jakým způsobem denně cestujete a navrhnout opatření ke zlepšení dopravy ve Vašem městě. Vaše odpovědi budou samozřejmě naprosto důvěrné a budou použity výhradně ve formě hromadného zpracování dat spolu s odpověďmi dalších respondentů.

Screening OTÁZKA Jste Vy osobně, nebo nějaký člen Vaší domácnosti zaměstnáni v některém z těchto oborů:

Tisk Výzkum trhu Marketing Reklama/public relations

1 2 3 4

Žádná z uvedených oblastí

5

Zúčastnil(a) jste se v posledních 6 měsících nějakého výzkumu, zaměřeného na každodenní cestování nebo dojíždění?

Ano

1

Ne

0

Je Vaše stávající bydliště v městě / obci / okrese … (doplnit podle kvóty, např. Kolíně, okrese Plzeň-sever)?

Ano Ne

1 0

Do jaké věkové skupiny Vás mohu zařadit? KARTA A

Méně než 18 let

1

S1

S2

S3

S4

Jaké je Vaše nejvyšší dokončené vzdělání? S5 Jaké je Vaše současné ekonomické postavení? KARTA B POUZE JEDNA ODPOVĚĎ!

S6

S7

S8

dále ot.

ODPOVĚĎ

Zaznamenejte pohlaví respondenta. Uskutečnil/a jste včera alespoň jednu cestu po městě nebo území aglomerace … (doplnit název jádra oblasti, např. Prahy)?

18-19 2 20-29 3 30-39 4 40-49 5 50-59 6 60-69 7 70-75 8 75+ 9 ZŠ 1 SŠ bez maturity 2 SŠ s maturitou (vč. vyšší odborné) 3 VŠ (bakalářské, magisterské, ing.) 4 VŠ (doktorské a vyšší) 5 Zaměstnanec na plný úvazek 1 Zaměstnanec na částečný úvazek (1/2 a vyšší) 2 Zaměstnanec na částečný úvazek (méně než ½) 3 Soukromník, podnikatel 4 Svobodné povolání 5 Spolupracující člen rodiny 6 Pracující student / pracující důchodce 7 Pracující na mateřské/rodičovské dovolené 8 Na mateřské / rodičovské dovolené 9 Nezaměstnaný 10 Důchodce invalidní 11 Důchodce ostatní 12 Student, učeň 13 Trvale v domácnosti 14 Ostatní 15 Muž 1 Žena 2 Ano 1 Ne

* cesta=přemístění z místa A do místa B, které je delší než 5 minut chůze TAZ.: ZKONTROLUJTE KVÓTY PRO VĚK, POHLAVÍ, VZDĚLÁNÍ A EKONOMICKOU AKTIVITU

1

konec

S2 konec S3 S4 konec konec

S5

S6

S7

S8 Hlavní dotazník

0 konec

ČÁST I – Včerejší cesta

Č.

1

2

3

5

OTÁZKA

ODPOVĚĎ

Jaký byl účel Vaší první včerejší cesty?

Práce

1

Pokud jel respondent do práce a cestou doprovodil dítě do školky, označte jako účel cesty „práce“. „Doprovod dětí“ označte jako účel zastávky v otázce 2.

Doprovod dětí do/ze školy, školky

2

Škola

3

POUZE JEDNA ODPOVĚĎ!

Nákup

4

Ostatní

5

Pokud účelem vaší cesty byla práce, doprovodil(a) jste cestou děti do/ze školy, školky, zastavil(a) se na nákup nebo někde jinde? Upřesněte

Doprovod dětí do/ze školy/školky

1

Nákup

2

MOŽNO VÍCE ODPOVĚDÍ

Ostatní

3

Pouze práce

4

Jaká je adresa místa, odkud jste cestoval/a?

a) Ulice _______________________________

Pokud respondent nebude chtít uvést číslo domu, zapište pouze ulici a obec.

b) Číslo_______c) Obec___________________

Jedná se o adresu Vašeho současného bydliště?

Ano

1

Ne

0

Jaká je adresa místa, kam jste cestoval/a? Uveďte prosím jméno ulice a v případě, že chcete, i popisné číslo. 6

(ne doprovod dětí do/ze školy)

Dále otázku

Pokud nebude respondent znát adresu např. obchodního domu, zapište název objektu a čtvrť, ve které se nachází, např. Hypernova Košutka.

2

3

3

5

6

a) Ulice _______________________________ b) Číslo_______ c) Obec___________________

7

d) Název objektu ______________________ e) Čtvrť, kde se objekt nachází_______________

7

Kolik bylo hodin, když jste vyrazil/a na cestu (čas u dveří)? Prosím snažte se uvést přesně hodinu a minutu Vašeho odchodu.

8

Kolik minut Vám tato cesta trvala? Uvažujte čas od dveří ke dveřím, tedy např. včetně zaparkování, docházky z domu na zastávku hromadné dopravy, rezervu, kterou si necháváte, abyste stihl/a spoj, docházku ze zastávky hromadné dopravy atd.

9

Musel/a jste na cílové místo uvedené cesty dorazit v nějaký pevně stanovený čas?

8

Hod. ______ min. ______

Min. ___________

9

Ano (pevný čas příjezdu)

1

Ne (flexibilní čas příjezdu)

0

10

Jak dlouhá byla tato cesta v kilometrech? 10

Pokud byla cesta se zastávkou, počítejte délku cesty včetně zajížďky / zacházky.

2

_________________________________ km Nevím

-3

11

Jakým dopravním prostředkem(y) jste cestoval/a?

Autem jako řidič

1

MOŽNO VÍCE ODPOVĚDÍ

Autem jako spolujezdec

2

Na motocyklu

3

Tramvají

4

Trolejbusem

5

Autobusem MHD

6

Metrem

7

Vlakem

8

Linkovým nebo regionálním autobusem

9

Na kole

10

Pěšky

11

Jinak

12

11

22

Pokyn

12

Kolikrát jste přestupoval/a? Počítejte pouze přestupy z jednoho prostředku hromadné dopravy na druhý, nikoliv např. mezi kolem a hromadnou dopravou?

12

Pokud v ot. 11 odpověděl/a kódem 1-3 odpovídá na ot. 13-16, pokud některým kódem 4-9, odpovídá na otázky 17-20; pokud nějakou kombinací, tak odpovídá na všechny otázky.

13

_________________________________ Kč

Pokud respondent jezdí např. se sousedem, zeptejte se ho, zda mu na cestu nějak přispívá a tuto odpověď zaznamenejte.

Nevím

-3

Kolik jste platil/a za parkování? _________________________________ Kč

16

Nevím

3

-3

16

Pokyn

Jaké byly Vaše celkové finanční náklady na tuto cestu? Myslím tím pouze cestu tam.

Pokud 11= pouze 1 - 3, pokračovat na ot. 22. Pokud 11= 4 – 9, pokračovat na ot. 17. Jakým způsobem jste uhradil/a uvedenou cestu hromadnou dopravou?

Samostatnou jízdenkou nepřestupnou

1

Samostatnou jízdenkou přestupnou

2

Zpáteční jízdenkou

3

18

KARTA 1 MOŽNO VÍCE ODPOVĚDÍ

19

Předplatní jízdenkou VYDIS – jednodenní (v Pardubicích nebo Hradci Králové) 4 Časovým předplatným na MHD (i na Plzeňské, Pardubické kartě nebo el. peněžence) 5 17

Časovou jízdenkou VYDIS – vícedenní (v Pardubicích nebo Hradci Králové)

6

Plzeňskou nebo Pardubickou kartou nebo elektronickou peněženkou (odečtením kreditu)

7

Traťovou jízdenkou na vlak

8

Nijak (např. na černo)

9

Jinak

10

22

20

22

V případě, že respondent odpoví v ot. 17 pouze možností 1 nebo 2 přejděte na ot. 18; odpoví-li pouze možností 3 přejděte na ot. 19; odpoví li pouze možnostmi 4, 5, 6, 8, 9, 10 přejděte na ot. 22; odpoví li pouze možností 7 přejděte na ot. 20. V případě kombinací jednotlivých možností je nutné postupně přecházet na odpovídající otázky a odpovědět na příslušný počet otázek. Pokud odpověděl/a na ot. 17: 1 nebo 2 18

19

Jaká byla celková hodnota jízdenek, kterými jste uhradila cestu? Máme na mysli pouze cestu tam.

__________________________________ Kč

Jen pokud odpověděl/a v ot. 17: 3

__________________________________ Kč

Jaká byla celková hodnota zpáteční jízdenky / jízdenek?

Nevím

Nevím

19

-3

-3

20

Jen pokud odpověděl/a v ot. 17: 7 20

Jaká byla celková hodnota odečtená na tuto cestu z Plzeňské, Pardubické karty nebo elektronické peněženky. Máme na mysli pouze cestu tam.

_________________________________ Kč Nevím

-3

Cestoval/a jste sám/a nebo s někým blízkým?

Společně s dítětem

1


Společně s někým jiným z domácnosti

2

Společně s dítětem a někým jiným z domácnosti

3

22

22

23

Společně s někým jiným mimo domácnost 4 Sám/a

5

Jinak

6

23

Uskutečnil/a jste tuto cestu obvyklým způsobem (v obvyklý čas a obvyklými dopravními prostředky)?

Ano

1

Ne

0

Uskutečnil/a jste poté kromě návratu domů ještě jinou cestu nebo cesty delší 5 minut?

Ano

1

25

24

Ne

0

28

4

24

Za jakým jiným účelem jste potom ještě cestoval/a? Uveďte prosím všechny poté konané cesty.

Práce

1

Škola (nikoliv doprovod dětí do/ze školy)

2

Doprovod dětí do/ze školy/školky

3

Nákup

4

Jiné

5

Ano

1

27

Ne

0

28

Upřesněte jakými!

Autem jako řidič

1

MOŽNO VÍCE ODPOVĚDÍ!

Autem jako spolujezdec

2

Na motocyklu

3

Tramvají

4

Trolejbusem

5

Autobusem MHD

6

Metrem

7

Vlakem

8

Linkovým nebo regionálním autobusem

9

Na kole

10

Pěšky

11

Jinak

12

MOŽNO VÍCE ODPOVĚDÍ! 25

26

Cestovala jste poté ještě jinými dopravními prostředky, než které jste uvedl/a u první cesty?

27

28

Kolik minut celkem jste včera strávil/a cestováním včetně docházky na zastávky hromadné dopravy či domů?

_________________________________ minut Nevím

26

28

29

-3

Pokud jste cestoval/a autem, (ot. 11=odpověď 1 nebo 2.) 29

Odhadněte, prosím, průměrný počet minut potřebných na zaparkování a příchod do cílového místa z parkoviště, pokud byste obdobnou cestu jako Vaši včerejší uskutečnil/a autem Pokud jste cestoval/a hromadnou dopravou nebo jinak než autem (ot. 11= odpověď 3 – 11.).

30

31

32

Odhadněte prosím průměrný počet minut potřebných na zaparkování a příchod do cílového místa z parkoviště, pokud byste obdobnou cestu jako Vaši včerejší uskutečnil/a autem.

_________________________________ minut Nevím

-3

30

_________________________________ minut Nevím

-3

Ano

1

32

Ne

0

33

Jakým?

Autem

1

NEPŘEDČÍTEJTE, OZNAČTE RESPONDENTOVU

Hromadnou dopravou

2

ODPOVĚĎ

Jinak

3

Vlastníte řidičský průkaz?

Ano

1

34

Ne

0

36

Ano

1

Ne

0

Téměř vždy

1

Mohl/a byste Vaši první včerejší cestu uskutečnit i jinými dopravními prostředky nebo pěšky?

31

33

33

34 35

Řídíte alespoň jednou za rok automobil?

Na následující otázku odpovídejte nehledě na to, jak často

5

35 36

řídíte.

Ne vždy, když potřebuji

2

Jak často máte možnost vzít si automobil v případě, že ho potřebujete (např. od členů domácnosti, ostatních příbuzných, známých nebo použít služební auto)?

Velmi zřídka

3

Nikdy

4


6

ČÁST II Č.

OTÁZKA

ODPOVĚĎ

Dále otázku

Odpovídá

Neodpovídá

Řekněte mi prosím, nakolik následující výroky odpovídají skutečnosti. Uvažujte obdobnou cestu jako včera. KARTA 2

a) 36

Automobil mohu k podobnému typu cesty použít

1

2

3

4

5

velmi snadno.

37

b)

K podobnému typu cesty mohu využít automobil kdykoliv budu chtít.

1

2

3

4

5

c)

Využití automobilu k uskutečnění podobné cesty závisí pouze na mém rozhodnutí.

1

2

3

4

5

d)

Potřebuji být flexibilní a moci během pracovního

1

2

3

4

5

1

2

3

4

5

dne uskutečnit mnoho cest. e)

Většinou dělám v pracovní dny stejné cesty ve stejný čas.

Nyní Vám znovu přečtu několik výroků. Řekněte mi prosím s pomocí této škály, nakolik s těmito výroky souhlasíte nebo nesouhlasíte. KARTA 3 38 Souhlas

Nesouhlas

37

a) Mnoho lidí v mém postavení jezdí hromadnou dopravou.

1

2

3

4

5

b) Dopravní prostředek, který člověk používá, je významným znakem jeho společenského postavení.

1

2

3

4

5

c) Hromadnou dopravu používají jako dopravní prostředek především lidé, kteří si nemohou dovolit nic lepšího.

1

2

3

4

5

7

Č.

OTÁZKA

ODPOVĚĎ

Dále otázku

Ohodnoťte prosím následující charakteristiky cestování prostředkem hromadné dopravy, který nejčastěji používáte na cesty podobné jako Vaše první včerejší cesta. Hodnoťte pomocí známek 1 – 5, kdy jednička označuje, že používaný dopravní prostředek je z hlediska této charakteristiky velmi dobrý a pětka, že je velmi špatný. Pokud respondent jezdí hromadnou dopravou málo nebo vůbec, řekněte mu, ať hodnotí podle toho, jaké se domnívá, že je cestování hromadnou dopravou. Pokud trvá na tom, že neví, nechte položku nevyplněnou.

38

špatná/é

Velmi

dobrá/é

Velmi

KARTA 4

a) Možnost relaxovat během cesty.

1

2

3

4

5

b) Možnost pracovat během cesty

1

2

3

4

5

c) Spolehlivost – že dorazím do cílového místa, jak si naplánuji

1

2

3

4

5

d) Možnost zvolit si pružně čas odjezdu

1

2

3

4

5

e) Vhodné podmínky pro cestování s dětmi

1

2

3

4

5

f) Vhodné podmínky pro cestování s většími či těžšími zavazadly

1

2

3

4

5

g) Bezpečnost během cesty

1

2

3

4

5

h) Bezpečnost cesty na zastávku a ze zastávky

1

2

3

4

5

i) Čistota v dopravním prostředku

1

2

3

4

5

j) Zapamatovatelnost intervalů (jízdních řádů) linek hromadné dopravy

1

2

3

4

5

k) Délka intervalů

1

2

3

4

5

l) Návaznost spojů

1

2

3

4

5

m) Dostatek místa v prostředcích hromadné dopravy – že nejsou přeplněné

1

2

3

4

5

n) Dopady používání hromadní dopravy na životní prostředí

1

2

3

4

5

p) Cena / náklady na cestu

1

2

3

4

5

q) Rychlost

1

2

3

4

5

r) Celkové hodnocení cestování hromadnou dopravou

1

2

3

4

5

8

39

Jaký dopravní prostředek jste měl/a na mysli?

Tramvaj

1


Trolejbus

2

Autobus městské hromadné dopravy

3

Metro

4

Vlak

5

Příměstský nebo linkový autobus

6

Jiný

7

Jak častým uživatelem hromadné dopravy jste na obdobný typ cest? Vyberte z nabídky na kartě.

Většinu takových cest uskutečním hromadnou dopravou

1

KARTA 5

Hromadnou dopravou takové cesty běžně konám, ne však většinou

2

Takové cesty uskutečním hromadnou dopravou pouze zřídka

3

39

39a

39a

40

Takové cesty nikdy neuskutečním hromadnou dopravou 4 Nyní ohodnoťte prosím následující charakteristiky cestování autem na cesty podobné jako Vaše první včerejší cesta. (Opět tak učiňte pomocí známek 1 – 5, kdy jednička označuje, že je to velmi dobré a pětka, že je to velmi špatné.) Pokud častěji řídíte, hodnoťte cestu autem jako řidič. Pokud jedete častěji jako spolujezdec, hodnoťte cestování jako spolujezdec. Pokud respondent jezdí autem málo nebo vůbec, řekněte mu, ať hodnotí podle toho, jaké se domnívá, že je cestování autem.Pokud trvá na tom, že neví, nechte položku nevyplněnou.

40

špatná/é

Velmi

dobrá/é

Velmi

KARTA 6

a) Možnost relaxovat během cesty.

1

2

3

4

5


1

2

3

4

5

c) Spolehlivost – že dorazím do cílového místa, jak si naplánuji

1

2

3

4

5


1

2

3

4

5


1

2

3

4

5


1

2

3

4

5

g) Bezpečnost během cesty (celková)

1

2

3

4

5

h) Bezpečnost při cestě k autu a od auta

1

2

3

4

5

n) Dopady na životní prostředí

1

2

3

4

5

o) Snadnost nalezení parkovacího místa

1

2

3

4

5


1

2

3

4

5

q) Rychlost

1

2

3

4

5

r) Celkové hodnocení cestování autem

1

2

3

4

5

9

41

41

Odpovídal/a jste jako řidič nebo spolujezdec?

Jak častým uživatelem automobilu jste na obdobný typ cest? Vyberte z nabídky na kartě. 41a

KARTA 7

Řidič

1

Spolujezdec

0

Většinu takových cest uskutečním autem

1

41a

Autem takové cesty běžně konám, ne však většinou 2 Takové cesty uskutečním autem pouze zřídka

3

Takové cesty nikdy neuskutečním autem

4

42

Představte si, že se rozhodujete, jakým dopravním prostředkem uskutečníte podobnou cestu jako Vaši první včerejší. Nakolik pro Vás budou důležité následující charakteristiky? Ohodnoťte prosím pomocí škály 1 - 5 , kdy 1 označuje velmi důležité a 5 – zcela nedůležité. Pokud se Vás daný požadavek kladený na cestování netýká (např. nikdy necestujete s dětmi, či těžkými zavazadly) označte malým stupněm důležitosti – čtyřkou nebo pětkou.

42

Zcela nedůležité

důležité

Velmi

KARTA 8

a) Možnost relaxovat během cesty

1

2

3

4

5


1

2

3

4

5

c) Spolehlivost - že dorazím do cílového místa, jak si naplánuji

1

2

3

4

5


1

2

3

4

5


1

2

3

4

5


1

2

3

4

5

g) Bezpečnost během cesty (celková)

1

2

3

4

5

h) Bezpečnost cesty k dopravnímu prostředku

1

2

3

4

5

i) Čistota v dopravním prostředku

1

2

3

4

5

j) Zapamatovatelnost intervalů (jízdních řádů) linek hromadné dopravy

1

2

3

4

5

k) Délka intervalů hromadné dopravy

1

2

3

4

5

l) Návaznost spojů hromadné dopravy

1

2

3

4

5

m) Dostatek místa v dopravním prostředku

1

2

3

4

5

n) Dopady na životní prostředí

1

2

3

4

5

o) Snadnost nalezení parkovacího místa

1

2

3

4

5


1

2

3

4

5

q) Rychlost

1

2

3

4

5

10

43

11

ČÁST III – Reakce na dopravní změny / opatření Nyní se Vás budu ptát na dopravní opatření zavedená ve Vašem městě a okolí v průběhu roku 2007 a 2008. Zajímá mne, zda tyto změny ovlivnily Vaše cestování. Až se budu ptát, neuvádějte změny, které způsobil/a jiná okolnost jako například změna bydliště, změna zaměstnání atd. OT 43 Řekněte mi, které z uvedených dopravních změn se dotkly tras a destinací, do kterých pravidelně cestujete? ODPOVĚDI OZNAČTE V TABULCE 1. KARTA 9 OT 44 Na které z těchto změn jste zareagoval/a změnou způsobu, jakým pravidelně cestujete? Způsob, jakým jste mohl/a na změny zareagovat, najdete na KARTĚ 10 můžete přiřadit více možností reakce.

TABULKA 1

Ot. 43

ot. 44 A

B

C

D

F

G

H

I

L

M

N

O

P

Q

MĚSTSKÁ HROMADNÁ DOPRAVA 1 Změny cen jednorázového jízdného

1

2 Změny cen časového jízdného

1

3 Snížení frekvence spojů

1

4 Zavedení společného (integr.) jízdného na hromadnou i regionální dopravu

1

5 Provoz nových vozů MHD

1

VLAKY 6 Změny tarifů a cen

1

PŘÍMĚSTSKÁ AUTOBUSOVÁ DOPRAVA 7 Změny tarifů a cen

1

PARKOVÁNÍ

45

8 Změny cen parkovného ve vnitřním městě

1

9 Změny cen parkovného v ostatních částech města

1

10 Rozšíření zóny placeného stání ve vnitřním městě

1

11 Rozšíření zóny placeného stání v ostatních částech města

1

12 Zvýšení počtu parkovacích míst ve vnitřním městě

1

13 Snížení počtu parkovacích míst ve vnitřním městě

1

14 Zhoršení možnosti nalezení parkovacího místa ve vnitřním městě

1

15 Snížení počtu parkovacích míst v ostatních částech města

1

POHONNÉ HMOTY 16 Zvýšení cen pohonných hmot CYKLISTICKÁ INFRASTRUKTURA 17 Výstavba cyklistických stezek na území města

1

1

12

ČÁST IV – Změna místa bydliště Č.

45

OTÁZKA

ODPOVĚĎ

Změnil/a jste v průběhu let 2006 až 2008 místo svého bydliště?

Ano

1

Ne

0

Popište prosím s pomocí následující karty charakter bývalého bydliště.

2

Okraj velkého města

3

Vesnice

4

Menší město

5

Okraj menšího města

6

Jiné

7

Pokuste se prosím s pomocí nabídky na kartě popsat občanskou vybavenost v místě bývalého bydliště.

Většina občanské vybavenost je v pěší vzdálenosti

1

47

(Občanská vybavenost=obchody, základní školy, lékař …)

Zhruba polovina občanské vybavenosti je v pěší vzdálenosti

2

Jen menší část občanské vybavenosti je v pěší vzdálenosti

3

KARTA 11

POUZE JEDNA ODPOVĚĎ! KARTA 12

48

Jaká byla vzdálenost Vašeho bývalého bydliště od centra … (doplňte podle místa bydliště: Pardubic – Třída Míru/náměstí Republiky, Plzně – Náměstí republiky, Hradce Králové –Velké náměstí, Prahy - Václavské náměstí, Chomutov – náměstí 1. máje, Turnov – náměstí Českého ráje, Kolín – náměstí Republiky, Jihlava – Masarykovo náměstí, … ) ?

46 59

Vnitřní město nebo centrum velkého města 1 Širší centrum velkého města

POUZE JEDNA ODPOVĚĎ! 46

Dále otázku

47

48

_________________________________ km Nevím, neumím odhadnout

-3

49

Ano

1

50

Ne

0

51

Pokud jste žili na území mezi městy Hradec Králové a Pardubice uveďte vzdálenost od centra toho města, které bylo častějším cílem Vašich cest.

49

Byl/a jste v době stěhování v pracovním poměru/podnikal/a jste?

Vedlo samo přestěhování ke změně délky Vašich cest do práce?

Ano

1

Pokud v souvislosti s dalšími okolnostmi (např. změnou pracoviště), označte odpověď 3.

Ne

0


Ano, ale v souvislosti s dalšími okolnostmi

3

51

Kolik minut Vám trvala jedna cesta do práce (pouze tam) před stěhováním? Uvažujte čas ode dveří ke dveřím.

________________________________ minut

52

Kolik minut Vám trvá jedna cesta do práce (pouze tam) nyní? Uvažujte čas ode dveří ke dveřím.

________________________________ minut Nevím

-3

Vedlo přestěhování ke změně celkového množství času, který v pracovní dny věnujete cestování?

Ano

1

Pokud v souvislosti s dalšími okolnostmi (např. změnou pracoviště), označte 3.

Ne

0


3

50

53


13

Nevím

-3

51

52

53 54

55

Věnujete nyní cestování celkově v pracovní dny více nebo méně času, než před stěhováním?

Více času, než před stěhováním

1

Méně času než před stěhováním

2

Změnily se v důsledku stěhování celkové cestovní náklady Vaší osoby?

Ano

1

Pokud v souvislosti s dalšími okolnostmi (např. změnou pracoviště), označte 3.

Ne

0


3

54

55

56

57

Kolik činily Vaše celkové měsíční cestovní náklady před stěhováním?

Jezdím více autem než předtím

1

Jezdím méně autem než předtím

2

Jezdím více hromadnou dopravou

3

Jezdím více jiným prostředkem hromadné dopravy (např. vlakem místo autobusem)

4

Jezdím více na kole

5

Jezdím na nákupy do jiného typu obchodů, než předtím 6

58

14

57

58

_______________________________ Kč

MOŽNO VÍCE ODPOVĚDÍ!

56

57

_______________________________ Kč

Kolik činí Vaše celkové měsíční cestovní náklady nyní?

Zareagoval/a jste na změnu místa bydliště některým ze způsobů popsaných na KARTĚ 13?

55

Uskutečním celkově více (různých) cest

7

Uskutečním celkově méně (různých) cest

8

Jezdím v jiné časy než předtím

9

Více plánuji časy odjezdů

10

Má domácnost si pořídila auto nebo další auto

11

59

ČÁST V Rád/a bych se Vás zeptala na několik skutečností týkajících se Vašeho bydliště. Č.

59

OTÁZKA

ODPOVĚĎ

Bydlíte v bytě, samostatném či řadovém domě?

Byt

1


Samostatný dům

2

Řadový dům

3

Jiné

4

Jak byste charakterizoval/a lokalitu, v níž žijete?

60

(Prahu, Plzeň, HK a Pardubice považujeme za velké město)

KARTA 14

Jaká je vzdálenost Vašeho bydliště od centra …(doplňte podle místa bydliště: Pardubic – Třída Míru/náměstí Republiky, Plzně – Náměstí republiky, Hradce Králové – Velké náměstí, Prahy - Václavské náměstí, Chomutov – náměstí 1. máje, Turnov – náměstí Českého ráje, Kolín – náměstí Republiky, Jihlava – Masarykovo náměstí, … )?

63

64

Okraj velkého města

3

Vesnice

4

Menší město

5

Okraj menšího města

6

Jiné

7

62

Jaký je Váš vlastnický vztah k bytu či domu, ve kterém bydlíte?

Mé osobní vlastnictví

1

Mé družstevní bydlení

2

Spoluvlastnictví

3

Osobní nebo družstevní vlastnictví mých rodinných příslušníků

4

Nájemní bydlení

5

Jiné

6

KARTA 15

63

Kolik metrů čtverečních obytné plochy má byt nebo dům, které Vy osobně užíváte? Započtěte obytné metry bez plochy garáže či sklepa.

__________________________________ m2 Nevím

-3

Jezdíte na vlastní chatu, chalupu či jiný rekreační objekt?

Ano

1

Ne

0

Většina občanské vybavenost je v pěší vzdálenosti

1

Zhruba polovina občanské vybavenosti je v pěší vzdálenosti

2

Jen menší část občanské vybavenosti je v pěší vzdálenosti

3

(Občanská vybavenost=obchody, základní školy, lékař …)

KARTA 16 Jaká je z Vašeho bydliště vzdálenost na nejbližší zastávku hromadné dopravy? Vyjádřete minutami chůze.

15

61

_________________________________ km

-3


66

2

Nevím, neumím odhadnout

Pokuste se prosím s pomocí nabídky na kartě popsat občanskou vybavenost v místě Vašeho současného bydliště. 65

Širší centrum velkého města

Žijete-li na území mezi městy Hradec Králové a Pardubice uveďte vzdálenost od centra toho města, které je častějším cílem Vašich cest.

POUZE JEDNA ODPOVĚĎ! 62

60

Vnitřní město nebo centrum velkého města 1


61

Dále otázku

____________________________ minut chůze

64

65

66

67

Jak často jezdí spoj, který jste použil/a nebo mohl/a použít na cestu, o které jsme hovořili v úvodu dotazníku?

67

Pokud přestupujete, uveďte, jak často jezdí první spoj, do nějž byste při obdobné cestě nastoupil/a. Pokud můžete využít (alternativně) více různých spojů, uveďte, jak často jezdí ten nejfrekventovanější. Pokud jezdí spoj např. každé 3 až 4 minuty, zapište 3,5.

Každých

______________________ minut

Nelze žádný použít

88

Nevím

-3

68


Nyní Vám opět přečtu několik výroků. Řekněte mi prosím s pomocí této škály, nakolik s výroky souhlasíte nebo nesouhlasíte.

68

1

2

3

4

b) Rád/a bych bydlel/a v pěší vzdálenosti od obchodů, restaurací a další infrastruktury.

1

2

3

4

5

c) Mám rád/a ruch města. (Myslíme všeobecně)

1

2

3

4

5

d) Spojení svého bydliště s centrem města hromadnou dopravou považuji za velice důležité

1

2

3

4

5

e) Dostupnost pravidelně navštěvovaných lokalit hromadnou dopravou považuji za velice důležitou

1

2

3

4

5

nesouhlasím

Rozhodně

a) Jsem ochoten/a cestovat při jedné cestě o 15 minut déle, abych mohl/a bydlet v zeleni, klidné lokalitě nebo realizovat své zájmy.

5 69

Kolik cest hromadnou dopravou jste uskutečnil/a v průběhu posledních 7 dnů? 69

souhlasím

Rozhodně

KARTA 17

_________________ cest

70

Za cestu považujte každé použití jednoho dopravního prostředku ohraničené nástupem a výstupem. Žádnou

0

72

Pokud alespoň jednu cestu 70

Kolikrát se Vám v průběhu posledních 7 dnů stalo, že prostředek hromadné dopravy přijel na zastávku se zpožděním 5 minut a více?

_________________ krát Nevím

16

72 -3

ČÁST VI Nyní bychom se Vás rádi dotázali na skutečnosti týkající se Vaší osoby. Č.

OTÁZKA

ODPOVĚĎ

Žijete s partnerem?

Ano

1

73

Ne

0

75

ZŠ

1

SŠ

2

SŠ s maturitou (vč. vyšší odborné)

3

VŠ (bakalářské a magisterské)

4

VŠ (doktorské a vyšší)

5

Dále otázku

72

Jaké je nejvyšší dokončené vzdělání Vašeho partnera/ partnerky? 73

75


Jaké je nebo bylo (např. u osob na rodičovské dovolené či v důchodu) Vaše poslední povolání?

76

__________________________________ Zaměstnanec na plný úvazek 1 Zaměstnanec na částečný úvazek (1/2 a vyšší) 2 Zaměstnanec na částečný úvazek (méně než ½) 3 Soukromník, podnikatel 4 Svobodné povolání 5 Spolupracující člen rodiny 6 Pracující student / pracující důchodce 7 Pracující na mateřské/rodičovské dovolené 8 Na mateřské / rodičovské dovolené 9 Nezaměstnaný 10 Důchodce invalidní 11 Důchodce ostatní 12 Student, učeň 13 Trvale v domácnosti 14

FILTR: pokud žije s partnerem/partnerkou (ot. 72=1) Jaké je současné ekonomické postavení, hlavní zdroj obživy Vašeho partnera/partnerky? POUZE JEDNA ODPOVĚĎ! 76

75

KARTA 18

Ostatní

77

15

Kolik je ve Vaší domácnosti ekonomicky aktivních osob vč. Vás? 77

78

Započítejte pouze osoby, které mají nějaký typ příjmu ze zaměstnání či podnikaní vč. pracujících důchodců, pracujících studentů a osob pracujících na mateřské nebo rodičovské dovolené.

78

FILTR: pokud respondent pracuje (ot. S6=1-8)

Žádné

1

Máte ve svém (hlavním) zaměstnání nějaké podřízené a kolik?

1–2

2

3-5

3

6 - 10

4

11-20

5

21 a více

6


17

79

Rádi bychom věděli, jaký je v průměru čistý měsíční příjem Vaší domácnosti. Myslíme tím Vás a členy Vaší rodiny, kteří s Vámi žijí a společně hospodaří. Zahrňte prosím všechny mzdy, platy, důchody, dávky, podpory a ostatní příjmy, které získáváte.

79

POKUD RESPONDENT NECHCE ODPOVĚDĚT: Připomínáme, že Vaše odpovědi budou zpracovány zcela anonymně a bude s nimi zacházeno přísně důvěrně. Odpověď na tuto otázku je pro celý výzkum velmi důležitá, neboť díky ní víme, jak nákladné je pro Vás cestování jednotlivými dopravními prostředky. Pokud ani potom nechce odpovídat, označte kód 99. POUZE JEDNA ODPOVĚĎ!

A 0 – 9 000

1

B 9 001 – 13 000

2

C 13 001 – 15 500

3

D 15 501 – 18 000

4

E 18 001 – 23 000

5

F 23 001 – 29 000

6

G 29 001 – 35 000

7

H 35 001 – 45 000

8

J 45 001 – 55 000

9

K Více než 55 000

10

Nechce odpovídat

99

A Bez vlastního příjmu

1

B 0 – 5 500

2

C 5 501 – 7 000

3

D 7 001 – 8 500

4

E 8 501 – 10 500

5

F 10 001 – 13 000

6

G 13 001 – 15 000

7

H 15 001 – 18 000

8

J 18 001 – 24 000

9

K 24 001 – 35 000

10

L Více než 35 000

11

80

KARTA 19 Rádi bychom věděli, jaký je Váš osobní čistý měsíční příjem. POUZE JEDNA ODPOVĚĎ!

KARTA 20 80

Nechce odpovídat Kdo je ve Vaší domácnosti hlavním živitelem rodiny (vydělává nejvíce)? POUZE JEDNA ODPOVĚĎ! 81 KARTA 21

82

99

Já sám/a

1

Partner/ka

2

Někdo jiný

3

Já a partner/ka přibližně stejně

4

Já a někdo jiný přibližně stejně

5

Nevím

-3

Pokud odpověděl/a v ot. 5: 0 (=Ne)

a) Ulice _______________________________

Jaká je adresa Vašeho současného bydliště?

b) Číslo_______c) Obec___________________

18

81

82

83

ČÁST VII – Dostupnost dopravních prostředků Než přistoupíme k otázkám v poslední části dotazníku, rád/a bych Vás požádal/a, abyste za svou domácnost považovala pouze osoby, se kterými společně hospodaříte. Pokud například žijete se staršími rodiči či naopak dospělými dětmi a ty mají vlastní rozpočet, neuvažujte je jako členy domácnosti. Pokud žijete jako tzv. „mladý dospělý“ s rodiči ve stejné domácnosti, zohledněte ve své odpovědi, na kolik s nimi společně rozhodujete například o finančních vydáních, používání společného automobilu atd. Č.

OTÁZKA

ODPOVĚĎ

83

Kolik osob starších 18 let včetně Vás žije ve Vaší společné domácnosti?

____________________________________

84

Kolik provozuschopných kol je ve Vaší domácnosti?

85

Kolik z těchto kol využívají členové Vaší domácnosti k cestám po městě?

86

Kolik je ve Vaší domácnosti řidičských průkazů?

Dále otázku

____________________________________

____________________________________

____________________________________ Kdo hradí Vaše náklady na dojíždění?

Vy sám/a

1


Jiný člen Vaší domácnosti

2

Z části respondent a jiný člen domácnosti

3

Zaměstnavatel

4

Z části zaměstnavatel, z části Vy sám

5

87

Jako náklady osoby samostatně

19

výdělečně činné

6

Nikdo

7

84 85

86

87

88

FILTR pro následující text: Pokud více než 1 dospělá osoba v domácnosti (ot. 83>1). Protože se budeme dotazovat na skutečnosti týkající se ostatních členů domácnosti, je možné, že je nebudete znát. Pokud z tohoto důvodu nebudete moci odpovědět, řekněte mi to prosím. Budete mít později možnost zkonzultovat odpovědi s ostatními členy domácnosti a údaje doplnit.Odpovědi na otázky 88 – 94 zaznamenejte do níže uvedené tabulky č. 2. Údaje ke každému automobilu zaznamenejte na samostatný řádek v tabulce 2. Č.

OTÁZKA

Dále otázku

ODPOVĚĎ

88

Kolik provozuschopných automobilů má celkem k dispozici Vaše domácnost?

89

Jaké je stáří Vašeho automobilu (ů)?

_____________________________________

89

Odpověď v tabulce č. 2 ↓

90


91


92

Pokud 1 automobil v domácnosti: Je to soukromý automobil, Váš nebo blízkých osob? 90

Více než 1 automobil v domácnosti: Který z těchto automobilů je v soukromém vlastnictví členů Vaší domácnosti nebo blízkých osob? Pokud 1 automobil v domácnosti: Jste osobou, která tento automobil v domácnosti řídí nejčastěji nebo stejně často jako jiná osoba v domácnosti?

91

Více než 1 automobil v domácnosti: Kterým z těchto automobilů nejčastěji cestujete ve městě? Pokud ano, zakroužkujte číslo příslušného automobilu.

Následující údaje doplňte pouze k nejčastěji využívanému autu na cesty ve městě. Jaký typ paliva do tohoto auta používáte? 92

Stačí vyplnit benzín, nafta, LPG a ostatní, není třeba, zda je olovnatý a jaké má číslo.


93

↓

94


95

Jakou průměrnou spotřebu paliva má tento automobil při cestách po městě? 93

Pokud respondent uvede 9 až 10 litrů, zapište 9,5. Pokud respondent odpoví, že se to liší podle ročního období, požádejte ho/ji, aby vyjádřil/a údaj za stávající období roku (jaro – léto).

Odpověď v tabulce č. 2

Jaká je celková spotřeba paliva Vaší domácnosti na měsíční provoz tohoto automobilu? Uveďte v litrech nebo v korunách. 94

Pokud respondent uvede 9 až 10 litrů, zapište 9,5. Pokud respondent odpoví, že se to liší podle ročního období, požádejte ho/ji, aby vyjádřil/a údaj za stávající období roku (jaro – léto).

TABULKA 2 Otázk a

89

90

91

Stáří (let) 1

méně než 1 rok

0

Ano

1

Ne

0

Ano

1

Ne

0

92

93

Typ paliva

Spotřeba po (litrů/100 km)

méně než 1 rok

0

________ l/100 km Nevím

méně než 1 rok

0

1

Ne

0

________ l/100 km

méně než 1 rok

0

Ano

1

Ne

0

Nevím

-3

b ________ Kč -3

3

Nevím

-3

a ________ litrů ________ l/100 km

__________________let 4

-3

a ________ litrů Nevím

Ano

Celková spotřeba paliva za měsíc a ________ litrů b ________ Kč

2

__________________let 3

městě

1

__________________let 2

94

Nevím

b ________ Kč -3

4

Nevím

-3

a ________ litrů ________ l/100 km

__________________let

Nevím Odpovědi: 1 Benzín 2 Nafta 3 LPG 4 Ostatní

20

b ________ Kč -3

Nevím

-3

95

Pokud více než 1 automobil v domácnosti (Ot.88 = 2, 3, 4)

a ________________________________ litrů

Jaké jsou měsíční náklady Vaší domácnosti na cesty všemi auty? Odhadněte počet ujetých kilometrů, spotřebovaných litrů paliva nebo náklady v Kč za průměrný měsíc.

b ________________________________ km c ________________________________ Kč Nevím

96

-3

FILTR: Pokud je alespoň 1 automobil v domácnosti (Ot 88 = 1, 2, 3, 4). Pokud ne (Ot. 88=0), pokračujte otázkou 101. Kolik procent z celkových nákladů Vaší domácnosti na benzín, naftu nebo Vámi používané palivo připadá na cesty po městě?

__________________________________ %

96

__________________________________ Kč

97

Jaké jsou celkové měsíční náklady Vaší domácnosti na parkování? Myslíme tím pravidelné – například předplatné i jednorázové platby na placených parkovištích nebo u automatů.

-3

Já sám

1

Jiný člen mé domácnosti

2

Já společně s jiným členem domácnosti

3

Zaměstnavatel

4

Zčásti já, zčásti zaměstnavatel

5

Jiné

6

Jaké máte možnosti parkování v místě bydliště?

Parkování zdarma na ulici

1

KARTA 23

Parkování za poplatek na ulici

2

Ve vlastní garáži nebo na vlastním parkovacím stání

3

KARTA 22

99

V pronajaté garáži anebo na pronajatém parkovacím stání

100

-3

Nevím

Kdo platí ve Vaší domácnosti největší část nákladů spojených s cestami autem? Vyberte nejvhodnější odpověď z nabídky na kartě. 98

Nevím

4

FILTR: pouze pokud odpověděl/a 1 nebo 2

_______________________________ minut

Kolik potřebujete v průměru minut na nalezení parkovacího místa?

Nevím

-3

97

98

99

100

101

101

Přečtěte respondentovi: V této části se Vás budu ptát na to, zda Vy sám/a a ostatní členové Vaší domácnosti vlastní nějaké předplatné na hromadnou dopravu. Začneme u Vás. Vyplňujte do prvního řádku v tabulce 3: Ot. 102. Kolik je Vám let? Ot. 103. Máte nějaké předplatné na hromadnou dopravu včetně vlaku a jaký typ? FILTR: pokud má časové předplatné (MHD, VYDIS, traťovou nebo síťovou jízdenku) nebo odpoví „jiné“ (Ot. 103=1 nebo 3 – 6) Ot. 104. Jaké je trvání Vašeho předplatného na MHD, jízdenky VYDIS, traťové, síťové či jiné časové jízdenky? Zaznamenejte pouze předplatné delší než 1 den. Ot. 105. Jaká byla jeho pořizovací cena. Ot. 106. Máte nějaký typ slevy na hromadnou dopravu? (Případnou slevu zaškrtněte. Plzeňskou, Pardubickou kartu nebo elektronické peněženky nepovažujte za slevu). Ot. 107. Máte nějaký typ zákaznické karty Českých drah?

Přečtěte respondentovi: Nyní Vám tytéž otázky položím za všechny ostatní členy Vaší domácnosti

Ot. 101 a 102. Řekněte mi prosím, jaké osoby s Vámi žijí ve společné domácnosti a jaký je jejich věk. (Vyplňujte další řádky v tabulce 3.) Ot. 103. Kdo z těchto osob má nějaké předplatné na hromadnou dopravu včetně vlaku a jaký typ? FILTR: pokud má časové předplatné (MHD, VYDIS, traťovou nebo síťovou jízdenku) nebo odpoví „jiné“ alespoň jedna další osoba v domácnosti (Ot. 103=1 nebo 3 – 6)

21

Ot. 104. Jaké je trvání tohoto předplatného na MHD, jízdenky VYDIS, traťové, síťové či jiné časové jízdenky, kterou Vaši rodinní příslušníci vlastní? Zaznamenejte pouze předplatné delší než 1 den. FILTR: pokud má časové předplatné (MHD, VYDIS, traťovou nebo síťovou jízdenku) nebo odpoví „jiné“ alespoň jedna další osoba v domácnosti (Ot. 103=1 nebo 3 – 6) Ot. 105. Jaká byla pořizovací cena tohoto předplatného, které vlastní Vaši rodinní příslušníci (u všech osob v domácnosti)? Ot. 106. Mají ostatní členové Vaší domácnosti nějaký typ slevy na hromadnou dopravu? (Případnou slevu zaškrtněte. Plzeňskou, Pardubickou kartu nebo elektronické peněženky nepovažujte za slevu). Ot. 107. Mají ostatní členové Vaší domácnosti nějaký typ zákaznické karty Českých drah? TABULKA 3 Ot. 101 Ot. Začněte 102

Ot. 103

Ot. 104 FILTR: Pokud 1,3 nebo 4 v ot.103


Ot. 106

Ot. 107

Typ předplatn. na hromadn. dopravu (včetně vlaku) – označte všechny možnosti 123456 78

Trvání časového předplatného na:

Celková cena předplatného (i když platí někdo jiný) v Kč

Zák.. karta ČD

MHD

MHD

Typ slevy na hromad. dopravu

prosím u resp. 1=RES PONDE NT

Osoba

Věk

1= RESPO NDENT

Trať. jízd. na vlak

Síťovou jízdenku na vlak

Čas. jízd. VYDIS

Jiné

Trat. jízd.. na vlak


Čas. jízd. VYDIS

Jiné

Vysvětlivky pro doplnění kódů do tabulky č. 3 Osoba Začněte prosím u respondenta Respondent

1

Partner/ka

2

Dítě

3

Sourozenec

4

Rodič

5

Jiné

6

Typ předplatného na hromadnou dopravu (včetně vlaku) – označte všechny možnosti Časové 1 předplatné na MHD Plzeňská, 2 Pardubická karta nebo elektronická peněženka Traťová jízdenka 3 na vlak Síťová jízdenka 4 na vlak Časová jízdenka 5 VYDIS Jiné 6

Žádné z uvedeného Nevím In-karta junior do 15 let

In-karta junior nad 15 let

1

2

Trvání časového předplatného u MHD

Trvání časového předplatného u traťové jízdenky na vlak

Trvání časového předplatného u síťové jízdenky na vlak


Týdenní nebo kratší

1


1

Týdenní

1

Žákovské

1

Měsíční

2

Měsíční

2

Měsíční

2

Studentské

2

Čtvrtletní

3

Čtvrtletní

3

Tříměsíční

3

Pro důchodce

3

Půlroční

4

Jiné

4

In-gold

4

4

Roční

5

In-gold all inclusive

5

Pro osoby starší 70 let ZTP

Jiné

6

Zaměstnaneck é (pracovníků a rodinných příslušníků dopravních podniků) Jiné

6

7

5

7

8 Zákaznická karta Českých drah In-karta senior nad In.karta ZTP a Zaměstnanecké 70 let ZTP/P (pracovníků a rodinných příslušníků dopravních podniků) 3 4 5

22

Z-karta

Kilometrická banka

Jiné

6

7

8

Nejezdím městskou hromadnou dopravou příliš často

1

Z jakého důvodu nemáte žádné časové předplatné na městskou hromadnou dopravu?

Nevyplatí se mi to

2

Nemusím nic platit

3

Jiné _______________________

4

Vyberte nejvhodnější odpověď z KARTY 24

109

Jaké jsou Vaše vlastní celkové náklady na cesty hromadnou dopravou, zahrnete-li i například cestování o víkendech? Vyjádřete jako částku za měsíc nebo za rok.

A _____________________________ Kč / měsíc

(Pokud respondent řekne, že se liší mezi ročními obdobími, požádejte ho, ať vyjádří jako roční částku.)

Nevím

Jaké jsou celkové náklady Vaší domácnosti na cesty hromadnou dopravou, zahrnete-li i například cestování o víkendech? Vyjádřete jako částku za měsíc nebo za rok.

1 _____________________________ Kč / měsíc

(Pokud respondent řekne, že se liší mezi ročními obdobími, požádejte ho, ať vyjádří jako roční částku.)

2 _____________________________ Kč / rok

B _____________________________ Kč / rok

Nevím

-3

-3

110

Tímto je rozhovor u konce. Děkuji za Váš čas.

Délka trvání rozhovoru:

________________________________ minut

Lokalita:


1

Tazatel zapíše lokalitu.

Pardubice a okolí

2

Plzeň a okolí

3

Praha a okolí

4

Jihlava

5

Kolín

6

Český Brod

7

Chomutov

8

Turnov

9

Kroměříž

10

Ano

1

Ne

0

Byl použit drop-off dotazník?

23

109

110

KONEC

108

FILTR: Pokud respondent nemá časové předplatné na městskou hromadnou dopravu (v ot. 103 neoznačil 1)

24

GfK Praha, s.r.o.

ZAKÁZKA č. 140 314

č. adresního listu

č.adresy

č.tazatele

DROP-OFF - DOTAZNÍKY K DO-VYPLNĚNÍ (vyplní sám respondent v domácnosti)

Doplňte prosím údaje v následující tabulce.

TABULKA 2: Automobily v domácnosti Otáz ka

89

90

91

Stáří (let) 1

méně než 1 rok

0

2

__________________let méně než 1 rok 0

3

__________________let méně než 1 rok 0

4

__________________let méně než 1 rok 0

Ano Ne

1 0

1

Ano Ne

1 0

2

Ano Ne

1 0

3

Ano Ne

1 0

4

92

93

94

Typ paliva

Spotřeba po městě (litrů/100 km)

Celková spotřeba paliva za měsíc a ________ litrů b ________ Kč Nevím -3 a ________ litrů b ________ Kč Nevím -3 a ________ litrů b ________ Kč Nevím -3 a ________ litrů b ________ Kč Nevím -3

________ l/100 km Nevím -3 ________ l/100 km Nevím -3 ________ l/100 km Nevím -3 ________ l/100 km Nevím -3

__________________let Odpovědi: 1 Benzín 2 Nafta 3 LPG 4 Ostatní Pokud více než 1 automobil v domácnosti (Ot.88 = 2, 3, 4) 95

Jaké jsou měsíční náklady Vaší domácnosti na cesty všemi auty? Odhadněte počet ujetých kilometrů, spotřebovaných litrů paliva nebo náklady v Kč za průměrný měsíc.

a ________________________________ litrů b ________________________________ km c ________________________________ Kč Nevím

-3

Kolik procent z celkových nákladů Vaší domácnosti na na benzín, naftu nebo Vámi používané palivo připadá na cesty po městě?

__________________________________ %

96

__________________________________ Kč

97

Jaké jsou celkové měsíční náklady Vaší domácnosti na parkování? Myslíme tím pravidelné – například předplatné i jednorázové platby na placených parkovištích nebo u automatů.

25

Nevím

Nevím

96

-3

-3

97

98

Vyplňte prosím za každou osobu v domácnosti s výjimkou Vás samotné/ho jaké vlastní: předplatné na hromadnou dopravu: typ, vč. trvání -

předplatného na vlak, typ, vč. trvání pořizovací cenu předplatného zda vlastní Plzeňskou nebo Pardubickou kartu nebo elektronickou peněženku případně typ slevy na hromadnou dopravu případně typ slevy na vlak.

TABULKA 3 Vysvětlivky pro doplnění kódů do tabulky č. 3

TABULKA 3 Ot. 101 Ot. Začněte 102

Ot. 103



Ot. 106

Ot. 107

Typ předplatn. na hromadn. dopravu (včetně vlaku) – označte všechny možnosti 123456 78

Trvání časového předplatného na:

Celková cena předplatného (i když platí někdo jiný) v Kč

Zák.. karta ČD

MHD

MHD

Typ slevy na hromad. dopravu

prosím u resp. 1=RES PONDE NT

Osoba

Věk

1= RESPO NDENT

Trať. jízd. na vlak


Čas. jízd. VYDIS

Jiné

Trat. jízd.. na vlak


Čas. jízd. VYDIS

Jiné

Vysvětlivky pro doplnění kódů do tabulky č. 3 Osoba Začněte prosím u respondenta Respondent

1

Partner/ka

2

Dítě

3

Sourozenec

4

Rodič

5

Jiné

6

Typ předplatného na hromadnou dopravu (včetně vlaku) – označte všechny možnosti Časové 1 předplatné na MHD Plzeňská, 2 Pardubická karta nebo elektronická peněženka Traťová jízdenka 3 na vlak Síťová jízdenka 4 na vlak Časová jízdenka 5 VYDIS Jiné 6

Žádné z uvedeného Nevím In-karta junior do 15 let

In-karta junior nad 15 let

1

2

Trvání časového předplatného u MHD

Trvání časového předplatného u traťové jízdenky na vlak

Trvání časového předplatného u síťové jízdenky na vlak



1


1

Týdenní

1

Žákovské

1

Měsíční

2

Měsíční

2

Měsíční

2

Studentské

2

Čtvrtletní

3

Čtvrtletní

3

Tříměsíční

3

Pro důchodce

3

Půlroční

4

Jiné

4

In-gold

4

4

Roční

5

In-gold all inclusive

5

Pro osoby starší 70 let ZTP

Jiné

6

Zaměstnaneck é (pracovníků a rodinných příslušníků dopravních podniků) Jiné

6

7

5

7

8 Zákaznická karta Českých drah In-karta senior nad In.karta ZTP a Zaměstnanecké 70 let ZTP/P (pracovníků a rodinných příslušníků dopravních podniků) 3 4 5

26

Z-karta

Kilometrická banka

Jiné

6

7

8


1.7 Výsledky sociologického šetření Nejprve stručně uvádíme přehled vybraných socio-demografických charakteristik osob ve výběrovém souboru. Dále následují charakteristiky osob přímo související s dopravním chováním. Jedná se zpravidla o frekvence případně tabulky třídění druhého stupně.38

1.7.1 SOCIOEKONOMICKÉ CHARAKTERISTIKY • • • • • •

velikost domácností, v nichž probíhalo dotazování.39 ekonomické postavení respondenta počet podřízených respondenta živitelství domácnosti respondentův příjem osobní příjem domácnosti respondenta

Tabulka 1.7.1: Počet osob v domácnosti Počet osob v domácnosti

N

1

%

205 423 192 173 25 8 3 1029

2 3 4 5 6 Chybějící údaj Celkem

20 41 19 17 2 1 0 100

Podsoubor respondentů z Hradce Králové a okolí je charakteristický větším počtem členů domácnosti dotazovaných. Zatímco průměrný počet členů domácnosti u plzeňských a pardubických respondentů dosáhl 2,38 a 2,39 u královehradeckých je to 2,56. Jak potvrdil Kruskall-Wallisův neparametrický test, tento rozdíl je signifikantní (na hladině významnosti 0,002). Podle potřeby byly proto některé dále sledované proměnné jako je vlastnictví automobilů nebo kol v domácnosti porovnávány jako relativní proměnné na jednoho člena domácnosti.

38

Statistická analýza dat byla provedena s pomocí statistických softwarů SPSS. Dotazováni byli vždy jednotlivci. Součástí „deníků“, tvořících součást dotazníku, byly taktéž otázky na dopravní chování ostatních rodinných příslušníků. 39

82


Tabulka 1.7.2: Ekonomické postavení respondenta (4 kategorie) N

%

ekonomicky aktivní vč. pracujících důchodců, pracujících studentů a osob pracujících na rodičovské dovolené

649

63

nezaměstnaní

39

4

důchodci

258

25

ostatní

83

8

Celkem

1029

100

Tabulka 1.7.3: Počet podřízených respondenta Q78. Máte ve svém hlavním zaměstnání nějaké podřízené a kolik? N

%

21 a více

510 43 37 28 12 11

50 4 4 3 1 1

nepracuje

380

37

žádné 1–2 3-5 6 - 10 11-20

chybějící údaj celkem

8

1

1029

100

Tabulka 1.7.4: Respondentův osobní příjem Q55. Rádi bychom věděli, jaký je Váš celkový čistý měsíční příjem včetně sociálních dávek a důchodů. 0 – 5 500 Kč 5 501 – 7 000 Kč 7 001 – 8 500 Kč 8 501 – 10 500 Kč 10 001 – 13 000 Kč 13 001 – 15 000 Kč 15 001 – 18 000 Kč 18 001 – 24 000 Kč 24 001 – 35 000 Kč více než 35 000 Kč bez vlastního příjmu nechci odpovídat Chybějící údaj celkem

N

%

46 45 38 75 131 140 97 94 100 29 14 212

4 4 4 7 13 14 9 9 10 3 1 21

8

1

1029

100

83


Tabulka 1.7.5: Příjem domácnosti respondenta Q54. Rádi bychom věděli, jaký je v průměru měsíční příjem Vaší domácnosti. 0 – 9 000 Kč 9 001 – 13 000 Kč 13 001 – 15 500 Kč 15 501 – 18 000 Kč 18 001 – 23 000 Kč 23 001 – 29 000 Kč 29 001 – 35 000 Kč 35 001 – 45 000 Kč 45 001 – 55 000 Kč více než 55 000 Kč nechci odpovídat

N

%

53 77 45 80 113 110 107 83 51 24 274

5 7 4 8 11 11 10 8 5 2 27

nevím

12

1

celkem

1029

100

Chybějící data u příjmu U obou proměnných, čistého měsíčního příjmu respondenta a průměrného měsíčního příjmu celé domácnosti se vyskytuje významný počet chybějících odpovědí.40 U čistého měsíčního příjmu respondenta je to 21% a u průměrného měsíčního příjmu domácnosti 28% odpovědí. Jedná se jak o odpovědi „nechci odpovídat“, tak u příjmu domácnosti o neznalost. U obou proměnných jsme zkoumali, zda jsou chybějící hodnoty náhodně rozdělené mezi všemi pozorováními (Missing completely at random), či zda se častěji objevují u některých socio-ekonomických kategorií. Respondenty jsme rozdělili do dvou skupin podle toho, zda příjem uvedli či nikoliv a pomocí t-testu o rovnosti průměrů jsme testovali, zda se mezi skupinami významně liší průměrné hodnoty následujících socioekonomických proměnných: pohlaví, věk, vzdělání, ekonomická aktivita respondenta, zda má respondent v zaměstnání nějaké podřízené a zda je hlavním živitelem domácnosti. Významné rozdíly v průměrech byly potvrzeny u proměnných ekonomická aktivita, vzdělání a existence podřízených. U průměrného měsíčního příjmu domácnosti navíc, zda je respondent hlavním živitelem domácnosti (zda vydělávání nejvíce či nikoliv). Jak ukázal následující chi-kvadrát test (minimálně na 5% hladině významnosti), chybějící hodnoty nejsou ani zcela náhodně chybějící (Missing completely at random (MCAR), ani náhodně rozděleny v rámci jednotlivých kategoriích výše uvedených socioekonomických proměnných (Missing at random (MAR). Výjimku v tomto ohledu tvoří pouze proměnná vzdělání. Chybějící hodnoty jsou náhodně rozděleny v rámci jejích 5 kategorií. Více chybějících hodnot u proměnné čistý měsíční příjem respondenta se tedy objevuje ve skupině osob pracujících na plný úvazek, podnikatelů či osob se svobodným 40

Chybějící hodnoty u příjmových proměnných jsou v sociologickém výzkumu zcela běžným jevem. I přes ujištění respondentů, že jsou data zpracovávána zcela anonymně a že se s nimi nakládá důvěrně, není část dotazovaných ochotna údaje o svém příjmu tazatelům sdělit. Hodnoty 20 a 28% nepřesahují hodnoty chybějících odpovědí v obdobných výzkumech.

84


povoláním a těch, kteří mají v zaměstnání podřízené. U průměrného měsíčního příjmu celé domácnosti se chybějící hodnoty navíc častěji objevují v případech, kdy respondent není tou osobou, která v domácnosti nejvíce vydělává. Na základě těchto výsledků lze tedy předpokládat, že chybějící hodnoty se objevují spíše u osob s vyšším osobním příjmem i vyšším celkovým příjmem domácnosti. Vzhledem k tomu, že počet chybějících dat u těchto dvou, pro další analýzu klíčových proměnných, je nezanedbatelný a nepředpokládáme, že jsou chybějící hodnoty rozděleny náhodně, jsou chybějící hodnoty dopočítány (input). Dopočet je proveden nahrazením chybějících hodnot predikcí s pomocí modelu lineární regrese. Tabulka 1.7.6: Živitelství domácnosti Q81. Kdo je ve Vaší domácnosti hlavním živitelem rodiny (vydělává nejvíce)? N

Já sám/a Partner/ka Někdo jiný Já a partner/ka přibližně stejně Já a někdo jiný přibližně nevím Total

%

484 268 132 115 18 12 1029

47 26 13 11 2 1 100

1.7.2 VYBAVENOST STATKY DLOUHODOBÉ SPOTŘEBY SOUVISEJÍCÍ S DOPRAVNÍM CHOVÁNÍ RESPONDENTŮ Následující tabulka souhrnně zobrazuje vybrané charakteristiky souboru dotazovaných popisující vybavenost statky dlouhodobé spotřeby, související s dopravním chováním respondentů. Podrobnější údaje včetně rozdělení charakteristik mezi specifické skupiny obyvatelstva následují dále v textu.

85


Tabulka 1.7.7: Vybavenost statky dlouhodobé spotřeby - souhrnné charakteristiky Celkem ve vzorku 1029

N procento domácností: bez automobilu

27,9

s 1 automobilem

56,2

se 2 automobily

13,4

bez řidičského oprávnění

17,7

bez jízdního kola

20,8

bez jízdního kola používaného na cesty po městě

34,0

procento respondentů: s řidičským oprávněním

66,9

kteří alespoň jednou za rok řídí

59,5

s časovým předplatným na městskou hromadnou dopravu

17,0

s kreditním předplatným na městskou hromadnou dopravu (Plzeňskou, Pardubickou kartou nebo elektronickou peněženkou

22,2

Dále uvedené statistiky proměnných popisují vlastnictví automobilů, kol, předplatného na hromadnou a městskou hromadnou dopravu. Dále prezentujeme indikátory kvality infrastruktury hromadné dopravy ve třech sledovaných lokalitách a porovnáváme, zda se tyto charakteristiky v jednotlivých lokalitách významně liší.

1.7.2.1 Množství provozuschopných kol a kol používaných k cestám po městě Kruskal-Wallisův neparametrický test potvrdil významné rozdíly (Sig. 0,000) mezi všemi lokalitami v průměrném počtu provozuschopných kol v domácnosti a počtu kol používaných k cestám po městě. Vzhledem k tomu, že je v královehradecké populaci v průměru významně vyšší počet osob v domácnosti respondenta, porovnali jsme také relativní počet provozuschopných kol na jednoho člena domácnosti a relativní počet kol používaný k cestám po městě. Analýza rozptylu (ANOVA) prokázala (Sig. 0,000), že v plzeňském vzorku respondenti vlastní signifikantně méně provozuschopných kol než v královehradeckém a pardubickém vzorku. Mezi těmito dvěma podsoubory signifikantní rozdíl není. Stejně tak Kruskal-Wallisův neparametrický test prokázal (Sig. 0,000), že v plzeňské populaci je signifikantně méně kol používáno k cestám po městě. Následující tabulka uvádí přehled průměrných hodnot všech čtyř proměnných v jednotlivých podsouborech.

86


Tabulka 1.7.8: Množství provozuschopných kol v domácnosti respondenta Hradec Králové okolí

Pardubice a okolí

a Plzeň a okolí

Průměrný N kol v domácnosti respondenta

2,39

1,91

1,17

Průměrný N kol na osobu

1

0,9

0,5

Průměrný N kol používaných k cestám po městě

1,66

1,43

0,61

Průměrný N kol na osobu používaných k cestám po městě

0,68

0,66

0,27

1.7.2.2 Množství automobilů v domácnosti Celkový počet automobilů vlastněných či provozovaných dotazovanými osobami ve vzorku je 899. Z toho je 92% soukromých a 8% služebních či firemních automobilů. Vzhledem k celkovému počtu dotázaných (N=1029), představuje toto číslo v průměru 874 automobilů na 1000 obyvatel. To je významně vyšší stupeň motorizace, než uvádějí dostupné statistiky. Je však nutné uvědomit si, že se tato hodnota týká: a) pouze osob starších 18 let a b) pouze osob, které vykonali v předchozí den alespoň jednu cestu v rámci aglomerace. Počet automobilů v domácnosti je v plzeňské populaci signifikantně nižší, než ve dvou zbývajících podsouborech (Sig. ANOVA testu = 0,003). Zatímco při srovnání absolutních počtů automobilů v domácnosti vede Hradec Králové nad Pardubicemi a Plzní, při relativním srovnání je největší počet automobilů na osobu v populaci Pardubické. Nicméně rozdíl v relativním počtu již není signifikantní (Sig. KruskalWallisova testu = 0,237). Tabulka 1.7.9: Průměrný počet vlastněných automobilů Hradec Králové okolí

Pardubice a okolí

a Plzeň a okolí

Průměrný N automobilů v domácnosti

0,97

0,92

0,80

Průměrný N automobilů na osobu

0,40

0,43

0,37

87


1.7.2.3 Vlastnictví řidičského průkazu a řízení alespoň jednou za rok Také v případě množství řidičských průkazů v domácnosti jsme porovnávali jejich relativní počet na osobu v domácnosti. Analýza rozptylu neprokázala (Sig. 0,196), že by mezi podsoubory existovaly v množství vlastněných řidičských průkazů signifikantní rozdíly. Taktéž se sledované lokality významně neliší (Sig. chi-kvadrátu = 0,617) v počtu respondentů vlastnících řidičský průkaz. Signifikantně vyšší (Sig. chi-kvadrát testu = 0,05) je však v plzeňském podsouboru počet osob, které neřídí ani jednou za rok. Je zde také signifikantně vyšší (Sig. = 0,001) počet osob, které nemají nikdy možnost vzít si automobil v případě, že ho potřebují. Na druhou stranu je ale v plzeňské populaci signifikantně vyšší počet osob, které mají auto k dispozici vždy, když potřebují. Méně zastoupeny jsou tak středové kategorie: „auto mám k dispozici, ale ne vždy, když potřebuji“ a „auto mám k dispozici velmi zřídka“. Přestože se sledované lokality významně neliší v počtu aut v domácnosti a množství řidičských průkazů, výsledky naznačují, že v dostupnosti automobilů v rámci domácnosti mezi jednotlivými lokalitami rozdíly jsou. V plzeňském podsouboru je více osob, které auto k dispozici nemají nikdy a těch, které ho naopak mají vždy. V celém souboru jsme také porovnali, zda existuje signifikantní rozdíl mezi pohlavími v tom, kdo platí největší část nákladů spojených s cestami autem. Test dobré shody prokázal (Sig chi-kvadrátu = 0,000), že muži častěji platí tyto náklady sami, ženy častěji uvedly, že tyto náklady platí jiný člen domácnosti. Lze tedy předpokládat, a potvrdily to také výsledky kvalitativního předvýzkumu, že ženy méně často znají výši nákladů spojených s vlastnictvím a provozem automobilu.

1.7.2.4 Vlastnictví předplatného na hromadnou dopravu Dále jsme zjišťovali, jaký typ předplatného na hromadnou a městkou hromadnou dopravu respondenti vlastní a zda v tomto ohledu existují mezi sledovanými lokalitami statisticky významné rozdíly. V následující tabulce uvádíme zvlášť, jaký typ předplatného vlastní respondenti z jednotlivých lokalit. Zároveň u jednotlivých buněk uvádíme tzv. adjustované reziduály indikující odchýlení počtu v buňce od očekávané četnosti v případě platnosti hypotézy o rovnoměrném rozdělení hodnot proměnné ne/vlastnictví předplatného v jednotlivých lokalitách. Kladná znaménka v následující tabulce indikují, že je ve výběrovém souborů se signifikantně vyšší četností zastoupena určitá kombinace hodnot obou proměnných. Záporná indikují naopak signifikantně nižší četnost. Jedno znaménko označuje signifikantní rozdíl na 5% hladině významnosti, dvě znaménka na hladině 1 % a tři znaménka na hladině 0,1 %.

88


Tabulka 1.7.10: Vlastnictví předplatného na hromadnou dopravu v jednotlivých lokalitách Hradec Králové a okolí

Pardubice a okolí

Plzeň a okolí

Časové předplatné na MHD

56

43

76

Adjustovaná rezidua

0,6

-2,3 (-)

2,9 (++)

Plzeňská, Pardubická karta nebo elektronická peněženka

53

68

107

-3,9 ( - - -)

-0,8

4,7(+++)

197

179

148

2,5 (+)

1,5

-4,0 (- - -)

Adjustovaná rezidua Žádné z uvedeného předplatného na městskou hromadnou dopravu a vlak Adjustovaná rezidua

Poznámka: Adjustovaná rezidua jsou značena následovně: 1,96+/-, 2,58 ++/- -, 3,29 +++/- - -.

Z uvedené tabulky je zřejmé a potvrdil to taktéž chi-kvadrát test dobré shody (Sig. 0,000), že plzeňští respondenti ve významně menším počtu případů nevlastní žádný z uvedených typů předplatného na hromadnou dopravu či vlak a zároveň významně častěji vlastní časové předplatné a kreditní předplatné - Plzeňskou kartu. Naopak respondenti z Hradce Králové ve významně větším počtu případů nevlastní žádné předplatné, ani kreditní předplatné, které se zde nazývá elektronická peněženka. Vzhledem k významně vyššímu počtu vlastněných kol a podle výsledků kvalitativního předvýzkumu lze konstatovat, že cestování hromadnou dopravou je zde ve větší míře nahrazeno cestováním na kole. Níže uvedená tabulka uvádí nejčastější důvody, proč respondenti nevlastní časové předplatné na hromadnou dopravu. Tabulka 1.7.11: Důvody nevlastnění časového předplatného na hromadnou dopravu Hradec Králové a okolí Nejezdím městskou hromadnou dopravou příliš často Nevyplatí se mi to Nemusím nic platit Jiné Celkem

N N N N

Pardubice a okolí 123 118 18 10 269

102 140 17 4 263

Plzeň a okolí 103 77 12 14 206

Pardubičtí respondenti častěji odpovídají, že se jim časové předplatné na hromadnou dopravu nevyplatí, plzeňští zase uvádějí, že hromadnou dopravou nejezdí příliš často.

89


1.7.3 INFRASTRUKTURNÍ CHARAKTERISTIKY Dále jsme zjišťovali další dopravní charakteristiky, které by indikovaly rozdíly v kvalitě dopravní infrastruktury mezi jednotlivými lokalitami. Patří sem jak možnosti parkování, tak spolehlivost poskytovaných služeb hromadné dopravy. U respondentů parkujících na ulici byla zjišťována průměrná doba potřebná pro nalezení parkovacího místa. Respondenti parkující v místě bydliště na ulici (N = 411) uvedli, že v průměru potřebují 4,17 minut na nalezení parkovacího místa. V počtu minut potřebných k nalezení místa v místě bydliště nebyl mezi jednotlivými lokalitami nalezen významný rozdíl (Sig. ANOVA testu = 0,154). Respondenti, kteří ve sledovaný den uskutečnili referenční cestu autem (N = 369) uvedli, že jim v průměru trvalo zaparkování a příchod do cílového místa 5,6 minut. Ani v tomto údaji se od sebe lokality významně neliší (Sig. ANOVA = 0,15). a) Procento zpožděných spojů z celkových spojů hromadné dopravy, které respondent použil. Grafické porovnání výsledků naznačilo, že respondenti v Pardubicích častěji (v 10,2% případů) uvedli, že spoj hromadné dopravy, který použili, měl déle než 5 minut zpoždění. Zda je rozdíl v relativním počtu zpožděných spojů hromadné dopravy významný, jsme testovali s pomocí analýzy rozptylů. Scheffeho test (předpokládající rovnost rozptylů mezi skupinami, která byla testována Leveneho testem se Sig.=0,127) nepotvrdil významný rozdíl v relativním počtu zpožděných spojů ve třech sledovaných lokalitách (Sig. =0,321). b) Vzdálenost na nejbližší zastávku hromadné dopravy. Pomocí proměnné „vzdálenost na nejbližší zastávku hromadné dopravy jsme porovnali lokality z hlediska dostupnosti hromadné dopravy. Zatímco průměrný počet minut na nejbližší zastávku hromadné dopravy v celém vzorku je 5,7, v Hradci Králové a okolí je to 5,2, v Plzni a okolí 5,5 a Pardubicích a okolí 5,7. ANOVA (Sig.=0,202) neprokázala, že by tyto rozdíly mezi lokalitami byly významné. Dále jsme se dotazovali, jak často jezdí spoj, který mohl respondent použít či použil na experimentálně zjišťovanou cestu. V průměru v celém vzorku každých 28 minut. Přitom každých 25, 5 v Pardubicích a okolí, 25, 6 v Plzni a okolí a 32,3 v Hradci Králové a okolí. Neparametrický Kruskal-Wallisův test (Sig. 0,000) prokázal, že průměr v lokalitě Hradec Králové a okolí je významně vyšší než ve zbývajících dvou lokalitách. Frekvenci spojů hromadné dopravy v Hradci Králové a okolí považujeme tedy za signifikantně menší, než ve zbývajících dvou lokalitách. Jak vidíme níže na grafu 1.7.7, osoby v Hradci králové v nižším počtu případů využily pro své cesty ve sledovaný den prostředky hromadné dopravy. Naopak však častěji využily kolo a chůzi.

90


1.7.4 DESKRIPCE CESTOVNÍHO CHOVÁNÍ – EXPERIMENTÁLNÍ ZJIŠŤOVÁNÍ Jádrem tohoto dotazníkového šetření založeného na reálném chování respondentů nebo tzv. vyjádřených preferencích je sekce dotazníku zjišťující charakteristiky první cesty a celého řetězce cest uskutečněné v den předcházející dotazování. Toto experimentální zjišťování se vždy týkalo náhodně vybraného pracovního dne. Výsledný model volby dopravního prostředku je testován právě na charakteristikách této první cesty a řetězce následných denních cest. Než přistoupíme k modelování volby dopravního prostředku, představíme popisné statistiky prvních cest a řetězců cest konaných výběrovou populací v dny experimentálního zjišťování. Nejčastějším účelem první zjišťované cesty byla cesta do práce, následovaná cestou na nákup. (Podrobnosti o výskytu jednotlivých účelů cest viz následující tabulka.) Z těch, kteří uvedli, že první byla cesta do práce jich 92 (8,9 % z celkového vzorku) cestou udělalo zastávku za jiným účelem. Z těchto 92 osob 19 doprovodilo děti do školy, 57 po cestě nakoupilo a 30 jich učinilo zastávku za jiným účelem. Otázka na zastávku cestou do práce byla do dotazníku doplněna proto, že předvýzkum ukázal, že respondenti často neuvádějí zastávky po cestě do práce a proto by dotazník bez přímého dotazu poskytl nepřesné údaje jak o počtu cest vykonaných za den, tak i škále účelů, za jakými jsou cesty vykonány. V následující tabulce proto ve sloupcích vpravo uvádíme korekci odpovědí respondentů. Tabulka 1.7.12: První cesta podle účelu – odpovědi respondentů zanedbávající zastávky Odpovědi respondentů

Korekce podle typů zastávek

N

%

N

%

Práce

466

45,3

374

36,3

Doprovod dětí do/ze školy, školky

11

1,1

30

2,9

Škola (ne doprovod dětí do/ze školy)

60

5,8

60

5,8

Nákup

252

24,5

309

3

Ostatní

240

23,3

270

26,2

Celkem

1029

100

1029

100

Z celkového počtu 1029 respondentů jich 398 (38,7 %) vykonalo ještě cestu za jiným účelem, než byla cesta první nebo návrat domů. Také účel této následné cesty, resp. cest byl v dotazníku zjišťován a byl vytvořen denní snímek všech účelů, za nimiž respondenti v daný den cestovali. Denní řetězce cest, které se vyskytovaly nejčastěji, zobrazuje následující tabulka.

91


Tabulka 1.7.13: Řetězce cest a četnost jejich výskytu Práce - domov Jiný účel než práce - domov Práce – jiný účel než práce - domov Nákup – práce - (ostatní) - domov Jiný účel – práce - (ostatní) - domov Doprovod dětí – práce - (ostatní) - domov Zbývající kombinace cest Celkem

N

%

208 373 132 50 35 15 216 1029

20,21 36,25 12,83 4,86 3,40 1,46 20,99 100,00

Data v tabulce ukazují, že pouhých 478 z dotázaných respondentů (46,5 %) cestovalo ve sledovaný den za účelem práce. Co se týče množství cest s různým účelem, 610 respondentů (59,3 %) vykonalo ve sledovaný den pouze cestu za jedním účelem a vrátilo se zpět domů, 336 respondentů (32,7 %) cestu za dvěma rozdílnými účely s návratem domů a asi 8 % respondentů cestu za více než dvěma rozdílnými účely s návratem domů. Více než 95 % respondentů uskutečnilo svou první cestu z místa současného bydliště. Největší množství osob zahájilo svou první denní cestu mezi 6. a 8. hodinou ranní. Podrobnější údaje o hodině zahájení první denní cesty ukazuje následující histogram. Graf 1.7.1: Histogram hodiny zahájení první denní cesty 200 180 160 140 120 100 80 60 40 20 0 0

1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21

V průměru trvala respondentům první denní cesta 30,2 minut (Směrodatná odchylka 18,6). V 92 případech však tento údaj uvádí trvání cesty včetně zastávky za

92


jiným účelem. Podrobné údaje o trvání referenční cesty ukazuje následující histogram. V trvání první denní cesty není mezi jednotlivými lokalitami významný rozdíl. Graf 1.7.2: Histogram trvání referenční cesty

300

250

četnost

200

150

100

50

0 0

50

100

150

trvání cesty v minutách

Celkem 902 dotázaných (87,7 %) dokázalo odpovědět otázku, jak dlouhá byla jejich cesta v kilometrech. Ta byla v průměru dlouhá 10,6 km (Směrodatná odchylka 9,7). Ani v délce referenční cesty není mezi jednotlivými lokalitami významný rozdíl (Sig. Kruskal-Wallisova test=0,055). Podrobné údaje o délce referenční cesty ukazuje následující histogram.

93


Graf 1.7.3: Histogram délky referenční cesty 200

četnost

150

100

50

0 0,0

20,0

40,0

60,0

80,0

délka referenční cesty v km

Celkem 777 osob (75,9 %) uvedlo, že referenční cestu uskutečnilo obvyklým způsobem. Významně častěji se jednalo o osoby, které ve sledovaný den uskutečnily cestu do práce (Sig. Chi-kvadrátu 0,000). Celkem 511 osob (49,9 %) muselo na cílové místo dorazit v nějaký pevně stanovený čas. I v tomto případě se častěji jednalo o osoby, které uskutečnily během dne alespoň jednu cestu do práce (Sig. Chi-kvadrátu = 0,000). Celkem 229 osob (22,3 %) odpovědělo, že by nemohlo referenční cestu uskutečnit jiným způsobem, než jakým ji ve sledovaný den realizovali.

1.7.4.1 Použité dopravní prostředky Nejvíce osob (45,6 %) uskutečnilo referenční cestu jedním či více prostředky hromadné dopravy. Pouze jeden dopravní prostředek použilo 902 (87,7 %) respondentů, dva dopravní prostředky 106 (10,3 %) respondentů, dvě procenta použily 3 a více dopravních prostředků. Při interpretaci dat je třeba vzít v úvahu, že chůze delší než 5 minut byla také definována jako jeden z možných způsobů/prostředků dopravy. Nejčastěji respondenti cestovali autem (řídili) nebo využili 1 dopravní prostředek městské hromadné dopravy. Podrobné údaje o dopravních prostředcích použitých na referenční cestu uvádí následující tabulka.

94


Tabulka 1.7.14: Dopravní prostředky použité na referenční cestu N

Auto - řidič Auto - spolujezdec Jeden prostředek městské hromadné dopravy (MHD) Jeden prostředek integrované hromadné dopravy (IHD) Kombinace prostředků MHD a/nebo IHD Kolo i v kombinaci Pouze chůze Jinak Celkem

%

322 83 281 72 116 50 97 8 1029

31,3 8,1 27,3 7,0 11,3 4,9 9,4 0,8 100,0

Graf 1.7.4: Dopravní prostředky použité na referenční cestu (počet osob) 350 300 250 200 150 100 50

ji n ak

ch ůz e

ko m

bi na ce

ko lo

po uz e

iv

ř.

M

ko m

HD

bi na ci

/ IH D

IH D pr os t

D H

pr os tř e dk em

M

je de n

pr os tř e dk em

uj ez de c je de n

au to -s po l

au to -ři di č

0

Z celkového počtu 322 osob, které cestovaly autem (řidič), pouze 2 respondenti kombinovali tento DP ještě s jiným DP (v jednom případě autobusem MHD a jednom vlakem). Obdobné je to u 83 osob, které cestovaly také autem, ale jako spolujezdci. Pouze 5 z nich cestu autem kombinovalo s jiným způsobem dopravy. Dva lidé šli pěšky, jeden jel regionálním autobusem, 1 vlakem, jeden autobusem MHD. Z celkového počtu 1029 respondentů muselo 127 osob (12 %) alespoň jednou přestupovat. Poměrně podobné složení použitých dopravních prostředků dostaneme za celý sledovaný den. Nejvíce osob (42,9 %) cestovalo ve sledovaný den prostředkem či prostředky hromadné dopravy. Pouze 20 osob použilo ve sledovaný den jak prostředky hromadné dopravy, tak automobil. Podrobný přehled dopravních prostředků použitých ve sledovaný den uvádí následující tabulka a graf.

95


Z celkového počtu 397 osob, které kromě první a sledované cesty uskutečnili kromě návratu domů ještě jinou cestu, jich 148 (37,3 %) využilo k cestě jiný dopravní prostředek než na první cestu. Tabulka 1.7.15: Dopravní prostředky použité ve sledovaný den N

Pouze auto - řidič Pouze auto - spolujezdec Auto - řidič a HD Auto - spolujezdec a MHD Stejný prostř. MHD Stejný prostř. IHD Kombinace prostř. MHD a/nebo IHD Kolo v kombinaci Pouze kolo Pouze chůze Jinak Celkem

%

307 81 10 10 247 66 128 31 46 93 10 1026

29,8 7,9 1,0 1,0 24,0 6,4 12,4 3,0 4,5 9,0 1,0 99,7

Graf 1.7.5: Dopravní prostředky použité ve sledovaný den (počet osob) 350 300 250 200 150 100 50

ji n ak

po lu je zd ec au to -ř au id ič to -s a po H D lu je zd ec a M st H ej D ný pr os tř . M H st D ej ný pr os ko tř. m IH b. D M H D a/ ne bo IH ko D lo v ko m bi na ci po uz e ko lo po uz e ch ůz e

au to -s

au to -ř

id ič

0

Ve složení dopravních prostředků použitých na referenční cestu i všech dopravních prostředků použitých ve sledovaný den jsou významné rozdíly mezi lokalitami. Chi-kvadrát testy dobré shody potvrdily především významně nižší počet využití automobilu (jako spolujezdec i řidič) v plzeňské populaci a to na referenční cestu i na všechny cesty v denním řetězci (Sig. 0,000). Významně méně je naopak využívána hromadná doprava v královehradecké populaci. Tento nižší počet je však kompenzován

96


frekventovanějším užitím kola a chůze. Přesné rozdíly ve využívání jednotlivých dopravních prostředků mezi jednotlivými lokalitami dokládají následující dva grafy. Graf 1.7.6: Dopravní prostředky použité na referenční cestu v jednotlivých lokalitách 100% 90% 80% pouze chůze

70%

kolo i v kombinaci

60%

kombinace MHD nebo HD

50%

jeden prostř.IHD jeden prostř. MHD

40%

auto-spolujezdec

30%

auto-řidič

20% 10% 0% Hradec Králové a okolí

Pardubice a okolí

Plzeň a okolí

Graf 1.7.7: Dopravní prostředky použité ve sledovaný den v jednotlivých lokalitách 100% pouze chůze

90%

pouze kolo

80%

kolo v kombinaci

70%

kombinace MHD, IHD

60%

stejný prostř. IHD

50%

stejný prostř. MHD

40%

auto-spolujezdec-(M)HD

30%

auto-řidič - (M)HD

20%

auto-spolujezdec

10%

auto-řidič

0% Hradec Králové a okolí

Pardubice a okolí

Plzeň a okolí

97


1.7.4.2 Náklady Dále byly zjišťovány celkové finanční náklady, které osoby zaplatily za sledovanou cestu. U 405 osob, které cestovali autem (39,4 %) jsme zjišťovali celkové finanční náklady a zvlášť náklady na parkování. V průměru osoby, které ve sledovaný den cestovali automobilem, vynaložily na referenční cestu 38,3 Kč (medián = 30 Kč). Z tohoto počtu 29 osob (7,8 %) mělo také nenulové náklady na parkování. Ty v průměru činily necelých 20 Kč. Rozdělení celkových nákladů v populaci osob cestujících autem uvádí následující histogram. Graf 1.7.8: Histogram nákladů na cestu konanou autem 60

50

četnost

40

30

20

10

0 0

20

40

60

80 100 120 140 160 180 200 220 240 260 280 300

celkové finanční náklady na referenční cestu autem

U osob, které cestovaly městskou hromadnou dopravou, integrovanou hromadnou dopravou nebo vlakem, jsme zjišťovali způsob, jakým cestu uhradily. V případě, že uhradily cestu jednorázovým jízdným (jednosměrným či zpátečním) či kreditním předplatným pomocí Plzeňské karty, Pardubické karty nebo elektronické peněženky, jsme zjišťovali částku na jednu cestu. U časového předplatného jsme dále zjišťovali jeho cenu a časové trvání. Z celkového počtu 476 osob, které cestovaly hromadnou dopravou jich 430 (94,5 %) uhradilo cestu pouze jedním způsobem, 22 osob (4,8 %) kombinovalo více způsobů úhrady. Jednotlivé způsoby úhrady cest hromadnou dopravou a výši nákladů zobrazují následující tabulky.

98


Tabulka 1.7.16: Způsoby úhrady cest hromadnou dopravou v jednotlivých lokalitách N

Samostatnou jízdenkou nepřestupnou Samostatnou jízdenkou přestupnou Zpáteční jízdenkou Předplatní jízdenkou VYDIS jednodenní Časovým předplatným na MHD Časovou jízdenkou VYDIS - vícedenní Plzeňskou, Pardubickou kartou nebo elektronickou peněženkou Traťovou jízdenkou na vlak Nijak (Na černo) Jinak Celkem

%


Pardubice a okolí

Plzeň a okolí

126 9 32

23 2 6

42 1 9

42 3 12

42 5 11

3 195 1

1 35 0

2 34 1

1 45 0

0 116 0

65 17 16 28 553 *

12 3 3 5

13 6 7 9

31 0 1 4

21 11 8 15

100

125

139

212

* Celkový součet způsobů úhrady přesahuje počet osob cestujících hromadnou dopravou, neboť někteří cestující kombinovali více způsobů úhrady.

Chi-kvadrát testy dobré shody (vždy se Sig. menší než 0,05) potvrdily, že ve využívání různých způsobů úhrady cest hromadnou dopravou se jednotlivé lokality liší. V lokalitě Plzeň a okolí bylo jízdné významně častěji uhrazeno časovým předplatným MHD, traťovou jízdenkou či nebylo vůbec uhrazeno, naopak méně často bylo uhrazeno samostatnou jízdenkou (nepřestupnou) a Plzeňskou kartou. Naopak v Pardubicích byla častěji použita Pardubická karta a méně často traťová jízdenka. Celkem 135 osob cestujících hromadnou dopravou uhradilo jízdné jednotlivými jízdenkami. V průměru tyto osoby zaplatili za jednu cestu 21 Kč. Za zpáteční jízdenku uhradilo 26 osob v průměru 42,27 Kč. Osobám, které k platbě využily Plzeňskou nebo Pardubickou kartu nebo Elektronickou peněženku bylo v průměru na jednu cestu odečteno 11,7 Kč. V průměru tak osoby, které použily k referenční cestě hromadnou dopravu, zaplatily 18,8 Kč za jednu cestu. Analýza rozptylů (Sig. 0,185) nepotvrdila ve výši částky zaplacené za jednotlivé jízdenky, ani v částkách odečtených z elektronických karet (Sig. 0,752) významné rozdíly mezi lokalitami. Pokud tedy porovnáme skutečné náklady za jednu cestu u osob, které cestovaly autem s náklady osob, které cestovaly hromadnou dopravou a platily za cestu jednorázově, jsou významně vyšší (Sig. T-testu 0,000). Finanční náklady na 1 kilometr ujetý autem činí v průměru 3,45 Kč (3,45 u řidičů a 2,62 u spolujezdců), náklady na 1 kilometr ujetý hromadnou dopravou a placeno jednorázově činí 2,77 Kč.

99


Tabulka 1.7.17: Průměrné náklady na ujetý kilometr N

Auto - řidič - spolujezdec Hromadná doprava (MHD a IHD)*

Průměr Kč

260 223 37 102

Směrod. odchylka

3,45 3,58 2,62 2,77

2,96 3,13 1,39 2,69

* Jedná se pouze o náklady placené jednorázově, tedy nikoliv jako poměrná část časového předplatného.

Významné rozdíly v cestovních nákladech existují také mezi osobami dojíždějícími z různých částí městské aglomerace. Zatímco u osob, které uvedly, že bydlí v centrální části města, náklady na cestu v průměru dosáhly 14,4 Kč na cestu, u osob bydlících v okrajových či příměstských částech dosáhly v průměru 60,6 Kč.

1.7.4.3 Průměrná rychlost Dále jsme zjišťovali průměrnou rychlost cestování různými dopravními prostředky. U cest autem činila rychlost v průměru 38,3 km/h (Směrodatná odchylka 65,6), u cest hromadnou dopravou 25,2 km/h (Směrodatná odchylka 82,4) a u cest na kole 14,9 km/h (Směrodatná odchylka 10,9). Tabulka 1.7.18: Průměrná cestovní rychlost podle použitého dopravního prostředku N

Auto Prostředek MHD – bez přestupu Prostředek IHD – bez přestupu Kombinace MHD a IHD Kolo Chůze

Průměr km/h

405 281 72 116 46 97

38,3 12,8 37,4 46,1 14,9 6,04

Dále jsme zjišťovali, zda respondent uskutečnil cestu sám nebo s jinou osobou. Více než 70 % osob cestovalo samo, necelých 30 % společně s jinou osobou. Následující tabulka uvádí přesnější údaje o typu doprovodu. Tabulka 1.7.19: Cestování s dalšími osobami N

Sám/a Společně s někým jiným mimo domácnost Společně s dítětem Společně s někým jiným z domácnosti Společně s dítětem a někým jiným z Jinak Celkem

%

718 117 45 120 20 3 1023

100

70,2 11,4 4,4 11,7 2,0 0,3 100


1.7.4.4 Cestovní čas V průměru osoby ve vzorku strávily ve sledovaný den cestováním 76 minut (směrodatná odchylka = 51,8, medián=60 minut). Následující histogram ukazuje rozdělení celkového cestovního času ve sledované populaci. V celkovém množství cestovního času není mezi zkoumanými lokalitami významný rozdíl (Sig. Kruskal-Wallisova testu=0,356). Graf 1.7.9: Histogram počtu minut strávených ve sledovaný den cestováním 300

250

četnost

200

150

100

50

0 0

100

200

300

400

Počet minut strávených za den cestováním včetně docházky

Dále jsme zjišťovali, zda mohl respondent uskutečnit referenční cestu jiným dopravním prostředkem, než který použil. Celkem 229 respondentů (22,3 % vzorku) uvedlo, že cestu jiným než použitým dopravním prostředkem uskutečnit nelze.

1.7.5 MODEL VOLBY DOPRAVNÍHO PROSTŘEDKU Vliv faktorů vysvětlujících volbu dopravního prostředku byl testován použitím modelu diskrétní volby – multinomické logistické regrese (logit).41 Vysvětlovanou proměnnou byla v případech obou modelů volba dopravního prostředku na první z cest po dané aglomeraci v den předcházející dotazování. Vysvětlující proměnná nabývá 5 hodnot: 1) cesta autem jako řidič, 2) cesta autem jako spolujezdec, 3) cesta městskou hromadnou nebo integrovanou hromadnou dopravou, 4) cesta na kole i v případné kombinaci s jiným dopravním prostředkem a 5) pěší cesta. Referenční kategorií je v případě všech modelů cesta prostředky hromadné dopravy. Znamená to, že uvedené parametry (beta) 41

V této části závěrečné zprávy se již podrobně nevěnujeme popisu použitého modelu a jeho specifikaci, neboť je zevrubně popsán v části 1.5. Uvádíme pouze konečných výsledky odhadů v jednotlivých modelech.

101


znázorňují, o kolik se zvýší resp. sníží šance, že respondent k cestě zvolí auto, kolo či chůzi vůči šanci cestovat hromadnou dopravou. Parametry (beta) představují změnu šance, když se změní vysvětlující proměnná o jednotku a hodnoty ostatních vysvětlujících proměnných zůstanou stejné. Při porovnání velikosti efektu proto záleží na jednotkách jednotlivých proměnných (viz tabulka č. 1.7.20 - níže). Například u proměnné věk představuje změna o jednotku příslušenství do jiné kategorie po deseti letech, u proměnné cestovní čas, změnu o 1 minutu. Původně do modelu vstoupily proměnné uvedené v následující tabulce. V některých případe je více proměnných obsahově stejných, ale liší se typem. Tabulka 1.7.20: Proměnné vstupující do logistického regresního modelu volby dopravního prostředku Kód

Popis proměnné

Typ

Hodnoty / jednotky

Socio-ekonomické: muz

Pohlaví respondenta

Dichotomická

0 (žena), 1 (muž)

q80r

Osobní příjem respondenta - původní Osobní příjem respondenta – s imputovanými chybějícími hodnotami (rozpětí kategorií viz výše) Počet osob v domácnosti

Kategorizovaná (10)

1 – 10

Kategorizovaná (10)

1 – 10

Q80pre_k doma_k q83_k

Kardinální

q78r

Počet osob starších 18 let v domácnosti Ekonomická aktivita respondenta: plný úvazek, podnikatel, živnostník, svobodné povolání Ekonomická aktivita partnera: plný úvazek, podnikatel, živnostník, svobodné povolání Respondent má ve svém hlavním zaměstnání podřízené

Dichotomická

0, 1 (podřízení)

q81r

Respondent je hlavním živitelem rodiny

Dichotomická

0, 1 (hl. živitel)

s4

Věk respondenta

Kategorizovaná (8)

Od 18 po 10 letech

s4_sq

Věk respondenta na druhou*

Kategorizovaná (8)

SS

Vzdělání: středoškolské bez maturity

Dichotomická

0, 1 (SŠ)

SS_MAT

Vzdělání: středoškolské s maturitou

Dichotomická

0, 1 (SŠ s mat.) 0, 1 (VŠ)

ekakt_d ekapa_d

Kardinální Dichotomická

0, 1 (ano)

Dichotomická

0, 1 (ano)

VS

Vzdělání: vysokoškolské

Dichotomická

os_vlast

Respondent bydlí v bytě / domě v osobním vlastnictví

Dichotomická

0, 1 (os. vlastnictví)

byt

Respondent bydlí v bytě

Dichotomická

0, 1 (byt)

Hradec

Lokalita Hradec Králové a okolí

Dichotomická

0, 1 (HK)

Pardub

Lokalita Pardubice a okolí

Dichotomická

0, 1 (Pardubice)

mesto

Bydliště v krajském městě či mimo něj

Dichotomická

0, 1 (krajské město)

centrum

Bydliště v centru anebo širším centru města

Dichotomická

0, 1 (centrum)

obc_vyb

Bydliště s plnou občanskou vybaveností

Dichotomická

0, 1 (obč. vybaven.)

interv

Interval použitelného spoje hromadné dopravy

Kardinální

Geografické:

Vybavenost statky dlouhodobé spotřeby: predpl

Dichotomická

0, 1 (předplatné)

Dichotomická

0, 1 (práce)

q88

Vlastnictví časového předplatného na hromadnou dopravu Vlastnictví Plzeňské, nebo Pardubické karty nebo elektronické peněženky Počet provozuschopných automobilů v domácnosti respondenta

vlast_aut

Vlastnictví auta v domácnosti respondenta

Dichotomická

nak_au

Náklady na referenční cestu za auto

karta

Kardinální

Referenční cesta a její charakteristiky: Kardinální

102

0, 1 (auto)

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR nak_hd

Náklady na referenční cestu za hromadnou dopravu

Kardinální

q8

Trvání referenční cesty v minutách

Kardinální

q10r

Délka referenční cesty v kilometrech

Kardinální

prace

Řetězec cest za referenční den obsahuje cestu do práce

Dichotomická

0, 1 (práce)

q22_d

Cesta uskutečněna s další osobou

Dichotomická

0, 1 (ano)

q22_sdoma

Cesta uskutečněna s další osobou ze stejné domácnosti

Dichotomická

0, 1 (ano)

q22_sjinym Cesta uskutečněna s další osobou mimo domácnost Dichotomická *Protože vliv věku v modelu není monotónní, je do modelu přidána druhá mocnina věkové kategorie respondenta.

0, 1 (ano)

Tabulka 1.7.21 níže zobrazuje finální podobu modelu č. 1, který obsahuje pouze charakteristiky respondenta a jeho domácnosti. Výsledky ukazují, že celá řada socioekonomických proměnných, jejichž vliv na závislou proměnnou jsme testovali, nemá v modelu významný vliv. Mezi takové proměnné patří např. počet osob v domácnosti respondenta, počet osob starších 18 let, ekonomická aktivita respondenta a jeho partnera, počet podřízených a zda je respondent hlavním živitelem v domácnosti. Významný není ani vliv vzdělání či věku respondenta. Tuto skutečnost lze vysvětlit potvrzeným signifikantním vlivem osobního příjmu, s nímž jsou některé z těchto proměnných korelovány. Ze socioekonomických proměnných tak výsledky potvrdily signifikantní vliv pohlaví respondenta, jeho osobního příjmu a zda tento bydlí v bytě či nikoliv. Muži a osoby s vyšším příjmem v souladu s očekáváním s větší pravděpodobností cestují autem než hromadnou dopravou. Opačný je efekt bydlení v bytě, které současně zachycuje místo bydliště v rámci města. Zajímavé je, že v tomto modelu příjem ani pohlaví respondenta nemají významný vliv na použití kola. Pro lepší přehled o velikostech efektů jednotlivých proměnných – viz tabulka č. 1.7.21 níže - uvádíme v grafech u každého modelu velikost exp (beta) se znaménkem parametru beta, který indikuje směr efektu na změnu šance, že bude zvolen příslušný dopravní prostředek. Nejprve uvádíme souhrnný graf s odhady parametrů pro všechny dopravní prostředky zároveň a poté zvlášť. Tabulka 1.7.21 zobrazuje hodnoty odhadů parametrů, jejichž hladina významnosti (P) nepřesahuje hodnou 0.1042 a to buď v celkovém modelu nebo při vysvětlení jednotlivé alternativy (volby toho kterého dopravního prostředku).

42

Vyšší než 5 procentní hladina významnosti byla zvolena proto, abychom ukázali i efekty proměnných, jejichž statistická významnost v modelu sice není velká, ale jejich zahrnutí do modelu může mít smysl z hlediska teorie.

103


Tabulka 1.7.21: Model volby DP (logit) č.1 – charakteristiky respondentů (odhady parametrů) B Konstanta (specifická pro alternativu) Muž Hradec Králové Pardubice Předplatné MHD Elektron karta MHD Cesta s jinou os. Bydlení v bytě Délka cesty v km Osobní příjem (10 kat.) Věk Věk*věk Počet aut v domácnosti

auto-řidič Sig. Exp(B)

-4,23

0,02

1,26 0,33 0,46 -2,92 -1,13 0,12 -0,82 -0,01 0,18 0,66 -0,07 1,75

0,00 0,44 0,29 0,00 0,01 0,85 0,02 0,48 0,03 0,33 0,29 0,00

3,51 1,39 1,59 0,05 0,32 1,13 0,44 0,99 1,20 1,94 0,93 5,78

auto-spolujezdec B Sig. Exp(B) -3,16

0,15

-0,16 0,57 1,18 -2,66 -0,79 2,04 -0,30 0,02 -0,03 0,12 -0,01 1,10

0,75 0,40 0,07 0,01 0,24 0,00 0,55 0,38 0,78 0,89 0,91 0,01

0,85 1,77 3,26 0,07 0,45 7,67 0,74 1,02 0,97 1,12 0,99 3,01

kolo i v kombinaci B Sig. Exp(B) -2,66

0,39

0,69 2,25 1,03 -3,20 -0,42 -20,35 -0,46 -0,12 0,14 -0,01 0,00 0,13

0,25 0,01 0,31 0,01 0,53 . 0,47 0,02 0,33 0,99 1,00 0,82

2,00 9,48 2,79 0,04 0,65 0,00 0,63 0,88 1,16 0,99 1,00 1,14

pouze chůze B Sig. Exp(B) 4,72

0,08

0,12 1,36 1,00 -2,99 -0,92 1,04 -0,34 -1,17 -0,12 -0,81 0,09 0,22

0,85 0,06 0,21 0,00 0,17 0,36 0,62 0,00 0,39 0,44 0,36 0,69

1,12 3,88 2,72 0,05 0,40 2,82 0,71 0,31 0,89 0,45 1,09 1,25

Výsledný model č. 1 klasifikuje správně 68,2 procent voleb (podrobnosti viz následující tabulka 1.7.22). Nejúspěšnější je predikce cesty hromadnou dopravou a pěšky. Také poměrně úspěšný je model při predikci cest autem (jako řidič). Naopak nejméně úspěšný je model při klasifikaci cest na kole a cest autem jako spolujezdec. Znamená to, že uživatele kola, resp. osoby cestující autem jako spolujezdci lze obtížněji charakterizovat výše uvedenými vysvětlujícími proměnnými. Skupina těchto uživatelů je z hlediska výše uvedených proměnných značně heterogenní. Tabulka 1.7.22: Model volby DP (logit) č.1 – charakteristiky modelu Korektní predikce (%):

auto-řidič

73,13

autem-spolujezdec

14,10

kolo i v kombinaci

4,44

pouze chůze

78,26

MHD nebo IAD

79,03

celkem Model:

68,19 -2 Log pravděpodobnostní fce

Pouze konstanta Finální model Pseudo R2:

Chi-kvadrát

df

Sig.

979,1758

48

0,00

2444,191 1465,015 Cox and Snell

0,65

Nagelkerke

0,70

McFadden

0,40

Hodnoty pseudo R2 uvádějí, jaká část variability závislé proměnné – volby dopravního prostředku na referenční cestu – lze vysvětlit variabilitou vysvětlujících proměnných v modelu. V případě výše uvedeného modelu je to mezi 40 a 70 % v závislosti na typů interpretovaného R2.

104


Graf 1.7.10: Volba DP na ref. Cestu – odhady parametrů modelu logit č. 1 (směr beta, velikost exp beta) 10

auto-řidič auto-spolujezdec kolo chůze

Exp (beta), směr efektu (beta)

8

6

4

2

Pa rd ub ice

Kr ál ov é

Př ed pl at né El M ek H tro D n ka rta M HD Ce st a s ji n ou os . By dl en ív by Dé tě lka ce O st so y bn (k m íp ) říj em Po (1 če 0 ta ka ut t.) v do m ác no st i

-2

Hr ad ec

M

už

0

Pozn. Sloupce v grafu zobrazují relativní velikost efektu vysvětlující proměnné na volbu dopravních prostředků. Sloupce nad osou x zobrazují posilující efekt, naopak sloupce pod osou x zeslabující efekt.

Z grafu vidíme, že pravděpodobnost volby kola v porovnání s cestou hromadnou dopravou je vyšší v lokalitě Hradec Králové a okolí a klesá s délkou cesty v kilometrech a u osob, které vlastní časové předplatné na hromadnou dopravu, přičemž efekt lokality je výrazně největší. Na rozdíl od očekávání daného výsledky předchozího výzkumu, není volba kola na příslušnou cestu vysvětlena ani mužským pohlavím, ani příjmem respondenta. Větší pravděpodobnost, že člověk každodenní cestu uskuteční jako spolujezdec v autě je v lokalitě Pardubice a okolí a v domácnostech s větším počtem aut. Naopak menší je u osob, které nevlastní kreditní a časové předplatné na hromadnou dopravu. Jak už bylo řečeno výše, pravděpodobnost cesty autem je vyšší u mužů, osob s vyšším osobním příjmem, osob z lokality Pardubice a okolí a domácností s větším počtem vlastněných automobilů. Efekt vlastnictví automobilu a efekt pohlaví jsou největší. Efekt pohlaví je dokonce výrazně vyšší než efekt osobního příjmu. To znamená, že pravděpodobnost cesty autem je vyšší u mužů s nižším příjmem, než u žen. Podle očekávání je pravděpodobnost volby auta nižší u osob, které bydlí v bytě. Tuto skutečnost lze vysvětlit především tím, že bydlení v bytě je častější v centrech měst

105


a tedy častěji u osob, jejichž cestovní vzdálenosti jsou menší než u osob bydlících vně městských jader a hranic měst. Toto vysvětlení podporuje také skutečnost, že proměnné centrum a město mají na volbu dopravního prostředku také statisticky významný vliv. Tyto proměnné však byly z modelu vynechány, neboť jejich efekt z důvodu vzájemné korelace zčásti přebrala právě proměnná byt. Pravděpodobnost realizace pěší cesty je výrazně vyšší v lokalitě Hradec Králové a okolí. Klesá naopak u osob, které vlastní časové předplatné na MHD a při rostoucí délce cesty. Překvapivě však na ni nemá významný vliv ani příjem respondenta, ani počet automobilů v domácnosti. Lokalita a délka cesty tak převládají nad ekonomickými charakteristikami respondenta a domácnosti. Nikoliv překvapivě má délka cesty negativní efekt na volbu pomalejších dopravních prostředků, jakými je kolo či chůze. Pokud porovnáme vzájemné velikosti efektů, můžeme konstatovat, že vlastnictví časového a ještě více kreditního předplatného na MHD má na volbu dopravního prostředku relativně malý efekt. Grafy 1.7.11, 1.7.12: Volba auta na referenční cestu – odhady parametrů modelu logit č. 1 Volba dopravního prostředku na ref. cestu - logit

Volba dopravního prostředku na ref. cestu - logit 5,78

6

7,67 8

auto-řidič

auto-spolujezdec

4 3,51 3

2 1,20 1 0,05

-0,05

-0,32

6 5 3,26

4

3,01

3 2 1

-0,44

-0,07

už

Hr ad ec

M

Kr ál ov é

-1

Pa rd ub Př ice ed pl at n é El M ek H tro D n ka rta M HD Ce st a s jin ou os . By dl en ív b Dé yt ě lka ce O st so y bn (k m íp ) říj em Po ( če 10 ta ka ut t.) v do m ác no st i

už

Hr ad ec

-1

Kr ál ov é

0

106

Pa rd ub ice Př ed pl at n é El M ek H tro D n ka rta M Ce HD st a s jin ou os . By dl en ív by Dé tě lka ce O st so y bn (k m íp ) říj em Po (1 če 0 ta ka ut t.) v do m ác no st i


7

M


5


Grafy 1.7.13, 1.7.14: Volba kola a chůze na referenční cestu – odhady parametrů modelu logit č. 1 Volba dopravního prostředku na ref. cestu - logit

Volba dopravního prostředku na ref. cestu - logit

9

4

kolo

8 7

chůze

3


6 5 4 3 2 1 -0,88

2 1 1

Pa rd ub ice Př ed pl at n é El M ek H tro D n ka rta M Ce HD st a s jin ou os . By dl en ív by Dé tě lka ce O st so y bn (k m íp ) říj em Po (1 če 0 ta ka ut t.) v do m ác no st i

už

-1

Kr ál ov é

-1

-0,31

-0,05

0

Pa rd ub ice Př ed pl at n é El M ek H tro D n ka rta M Ce HD st a s jin ou os . By dl en ív b Dé yt ě lka ce O st so y bn (k m íp ) říj em Po ( če 10 ta ka ut t.) v do m ác no st i

už

Hr ad ec

M

-1

Kr ál ov é

0

0,00

2

Hr ad ec

-0,04

3

M


3,88

4

Model číslo 2 obsahuje oproti modelu číslo 1 navíc dva atributy zvolené alternativy: cestovní náklady a cestovní čas. Z tabulky 1.7.24 popisující celkové charakteristiky modelu vyplývá, že model lépe vysvětluje data a je celkově úspěšnější při predikci zvoleného dopravního prostředku. Ta se pohybuje mezi 43 % u cesty autem jako spolujezdec a téměř 98 % u cesty hromadnou dopravou. Jak již ale bylo řečeno výše, volba je zde vysvětlena s pomocí charakteristik jednotlivých alternativ, které zpravidla neznáme. Po přidání dvou dodatečných proměnných se mohly odhady parametrů u některých proměnných oproti předchozímu modelu změnit a změnit se mohla i jejich statistická významnost v modelu. Vyčerpávající přehled významných proměnných v modelu a odhadu parametrů modelu zobrazuje tabulka 1.7.23. Tabulka 1.7.24 uvádí charakteristiky výsledného modelu. Tabulka 1.7.23: Model volby DP (logit) č.2 – charakteristiky respondentů a cesty (odhady parametrů) B Konstanta (specifická pro alternativu) Muž Hradec Králové Pardubice Předplatné MHD Elektron karta MHD Cesta s jinou os. Bydlení v bytě Cestovní čas Osobní příjem (10 kat.) věk věk*věk Počet aut v domácnosti Náklady na cestu autem Náklady na cestu HD

auto-řidič auto-spolujezdec kolo i v kombinaci Sig. Exp(B) B Sig. Exp(B) B Sig. Exp(B) B

-0,12

0,96

-0,03 0,01 0,81 -4,93 -2,19 2,54 -0,80 -0,09 0,47 -0,87 0,07 1,42 3,08 -8,30

0,96 0,99 0,21 0,00 0,01 0,00 0,14 0,00 0,00 0,34 0,39 0,00 0,00 0,96

2,69 0,97 1,01 2,24 0,01 0,11 12,69 0,45 0,92 1,60 0,42 1,08 4,16 21,84 0,00

0,21

-1,59 0,00 0,55 0,43 1,77 0,01 -5,16 0,00 -2,17 0,01 4,59 0,00 -0,65 0,23 -0,05 0,00 0,22 0,11 -1,67 0,06 0,16 0,06 0,16 0,71 3,06 . -7,48 0,97

107

0,94

pouze chůze Sig. Exp(B)

0,58

4,90

0,00

0,20 0,78 0,06 1,74 3,12 0,00 5,89 1,77 0,00 0,01 -6,21 0,00 0,11 0,08 0,87 98,10 -20,39 . 0,52 0,38 0,36 0,95 -0,04 0,00 1,24 0,09 0,40 0,19 -0,41 0,55 1,17 0,04 0,57 1,18 -0,37 0,30 21,39 0,29 1,00 0,00 -10,37 0,97

2,18 -0,13 22,59 2,01 5,86 1,30 0,00 -5,87 1,08 -0,40 0,00 0,11 1,47 0,78 0,96 -0,08 1,09 -0,14 0,66 -0,74 1,04 0,09 0,69 -0,47 1,33 0,31 0,00 -10,67

0,73 0,00 0,01 0,00 0,39 0,85 0,04 0,00 0,14 0,19 0,09 0,14 1,00 0,96

0,88 7,45 3,67 0,00 0,67 1,12 2,18 0,92 0,87 0,48 1,10 0,63 1,37 0,00


Tabulka 1.7.24: Model logit č.2 – charakteristiky modelu Korektní predikce (%):

auto-řidič

96,53

autem-spolujezdec

43,24

kolo i v kombinaci

51,11

pouze chůze

73,91

MHD nebo IAD

97,88

celkem


Model: Pouze konstanta Finální model 2

Pseudo R :

Chi-kvadrát

df

Sig.

1829,151

56

0

2401,709 572,5577 Cox and Snell

0,86

Nagelkerke

0,93

McFadden

0,76

Pro lepší přehlednost opět uvádíme směr a velikost efektu jednotlivých vysvětlujících proměnných na volbu dopravního prostředku v následujících grafech. Graf 1.7.15: Volba DP na ref. Cestu – odhady parametrů modelu logit č. 2 (směr beta, velikost exp beta)

100

auto-řidič auto-spolujezdec kolo chůze

80

40

20

-40

108

vě k

vě au k* tv Ná vě d k kla om dy ác na no st ce i st u au te m

-20

Po če t

M

už Kr ál ov é Pa r d Př ub ed ice pl a El t né ek tro M H n D ka rta Ce M st HD a s ji n ou By os dl . en ív by Ce O tě so st bn ov íp ní ča říj em s (1 0 ka t.)

0

Hr ad ec


60

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR Pozn. Sloupce v grafu zobrazují relativní velikost efektu vysvětlující proměnné na volbu dopravních prostředků. Sloupce nad osou x zobrazují posilující efekt, naopak sloupce pod osou x zeslabující efekt.

Z grafů vidíme, že celkové finanční náklady na cestu autem mají na volbu auta negativní efekt, což je v souladu s teorií. To znamená, že čím vyšší jsou náklady ne cestu autem, tím klesá pravděpodobnost, že respondent automobil na cestu použije. Při volbě ostatních dopravních prostředků vliv cestovních nákladů specifických pro auto není signifikantní. Cestovní čas má ve srovnání s referenční volbou hromadné dopravy kladný a signifikantní vliv u voleb všech čtyř výše uvedených dopravních prostředků. Tento vliv je však ve srovnání s efektem ostatních proměnných relativně malý. U některých vysvětlujících proměnných se změnila signifikace vlivu proměnné v modelu. Vidíme, že muži s větší pravděpodobností cestují na kole, a že jako spolujezdkyně v autě cestují častěji ženy. I nadále zůstal významný vliv lokalit na volbu dopravního prostředku.V lokalitách Hradec Králové a okolí a Pardubice a okolí cestují osoby častěji na kole nebo chodí pěšky. Je implicitní, že cestu autem jako spolujezdec vysvětluje proměnná popisující, zda respondent cestoval s jinou osobou. Vidíme však zároveň, že osoby, které cestují ještě s jinou osobou také pravděpodobněji cestují autem než hromadnou dopravou. V tomto modelu je na rozdíl od předchozího statisticky významný jak efekt věku, tak jeho druhé mocniny. V porovnání s uživateli hromadné dopravy jako spolujezdci v autě častěji cestují osoby mezi 20 a 29 lety. Pěšky naopak častěji cestu realizují mladí lidé do 20 let a osoby starší 60 let. I v tomto modelu je významný efekt bydlení v bytě. Na rozdíl od předchozího modelu však zvyšuje pravděpodobnost realizace pěší cesty, což naznačuje spojitost s délkou cesty a pěší dostupností navštěvovaných lokalit v centru města. Pro lepší přehlednost uvádíme v následujících grafech odhady parametrů zvlášť pro jednotlivé dopravní prostředky. Grafy 1.7.16, 1.7.17: Volba auta na referenční cestu – odhady parametrů modelu logit č. 2 Volba dopravního prostředku na ref. cestu - logit 12,69

auto-řidič

4,16

5

-0,01

-0,19 -0,11

Hr ad ec

-20 -21,84 -25

-5

109

vě k vě k* Ná v ěk do kl ad m ác y na no st ce i st u au te m

0 M

-15

1,17

0,95 -0,20

už Kr ál ov é Pa rd Př ub ed i c pl e at El né ek tro M H n D ka rta Ce M st H a D s jin ou By os dl . en ív by Ce O tě so st bn ov íp ní říj ča em s (1 0 ka t.)

-10


0,92

P vě oč k et vě au k* tv Ná vě do kl k ad m y ác na no ce st i st u au te m

-0,01 -0,11

5,89

1,60

M už Kr ál ov é Pa rd Př ub ed i c pl e at El né ek tro M H n D ka rta Ce M st HD a s ji n ou By os dl . en ív b yt Ce O so ě st bn ov íp ní říj ča em s (1 0 ka t.)

Hr ad ec


5

-5

auto-spolujezdec

au tv

10

0

Volba dopravního prostředku na ref. cestu - logit 10

Po če t

15


Grafy 1.7.18, 1.7.19: Volba kola a chůze na referenční cestu – odhady parametrů modelu logit č. 2 Volba dopravního prostředku na ref. cestu - logit

Volba dopravního prostředku na ref. cestu - logit

30

8

7,45

chůze

kolo

20

10 5,86

6

3,67

4

2,18 2 1,10

0,92 0,96

ěk ác no st ce i st u au te m do m

vě k* v

Ná kl ad y

Kr ál ov é Pa rd Př ub ed ice pl at E le né kt M ro H n D ka rta Ce M st HD a s j in ou By os dl . en ív by C O tě es so to bn vn íp íč říj a em s (1 0 ka t.)

Hr ad ec

M

už

vě k vě k* Ná v ěk do kl ad m ác y na no st ce i st u au te m au tv

Po če t

už Kr ál ov é Pa rd Př ub ed ice pl at El né ek tro M H n D ka rta Ce M st H a D s j in ou By os dl . en ív by Ce O tě so st bn ov íp ní říj ča em s (1 0 ka t.)

M

Hr ad ec

vě k

0,00

0

au tv

0,00

0

Po če t

2,18

na



22,59

Pro zpřesnění odhadů, jsme navíc odhadli parametry modelu volby dopravního prostředku pouze pro vybranou populaci osob, které mají řidičské oprávnění a současně jejich domácnost vlastní alespoň jeden provozuschopný automobil (N=611). Jedná se tak pouze o osoby, které mají z hlediska vlastnictví statků dlouhodobé spotřeby srovnatelné předpoklady pro každodenní volbu kteréhokoliv z uvažovaných dopravních prostředků. Tento model lépe popisuje situaci volby dopravního prostředku za předpokladu dostupnosti všech uvažovaných dopravních prostředků nehledě na vlastnictví automobilu, který je např. dominantně využíván k cestám s jiným účelem, než je každodenní dojíždění. Tabulka 1.7.25: Model volby DP (logit) č. 3 – charakteristiky respondentů a cesty (odhady parametrů) auto-řidič auto-spolujezdec kolo i v kombinaci Sig. Exp(B) B Sig. Exp(B) B Sig. Exp(B) B

B Konstanta (specifická pro alternativu) Muž Hradec Králové Pardubice Předplatné MHD Elektron karta MHD Cesta s jinou os. Bydlení v bytě Délka cesty v km Osobní příjem (10 kat.) věk věk*věk

0,59

0,66

0,88 0,53 0,67 -2,80 -1,00 -0,13 -0,72 0,01 0,08 -0,07 0,00

0,00 0,07 0,03 0,00 0,00 0,78 0,00 0,66 0,16 0,89 0,97

2,40 1,70 1,95 0,06 0,37 0,88 0,49 1,01 1,09 0,93 1,00

-1,74

0,40

-0,39 0,76 1,69 -2,81 -0,26 1,94 -0,03 0,05 -0,15 -0,02 0,01

0,36 0,20 0,00 0,00 0,62 0,00 0,95 0,02 0,09 0,98 0,91

110

-4,47 0,67 2,14 5,44 0,06 0,77 6,93 0,97 1,05 0,86 0,98 1,01

0,23

0,99 0,07 2,61 0,00 1,45 0,14 -21,79 . -0,27 0,64 -19,02 . -0,32 0,55 -0,10 0,03 0,17 0,19 0,35 0,82 -0,04 0,80

2,69 13,64 4,26 0,00 0,76 0,00 0,73 0,91 1,19 1,43 0,96

pouze chůze Sig. Exp(B) 4,54

0,26

0,67 1,61 1,69 -2,39 -0,13 1,42 0,23 -1,70 -0,13 -0,60 0,06

0,32 0,05 0,07 0,02 0,85 0,45 0,74 0,00 0,35 0,71 0,69

1,95 4,98 5,41 0,09 0,88 4,14 1,26 0,18 0,87 0,55 1,06


Tabulka 1.7.26: Model logit č.3 – charakteristiky modelu Korektní predikce (%):

auto-řidič

87,29

autem-spolujezdec

28,89

kolo i v kombinaci

0,00

pouze chůze

70,97

MHD nebo IAD

56,07

celkem


Model: Pouze konstanta

Chi-kvadrát

df

Sig.

428,22

44

0,00

1347,43

Finální model

919,21

Pseudo R2:

Cox and Snell

0,53

Nagelkerke

0,59

McFadden

0,32

Graf 1.7.20: Volba DP na ref. Cestu – odhady parametrů modelu logit č. 3 (směr beta, velikost exp beta) 14

auto-řidič auto-spolujezdec kolo i v kombinaci pouze chůze Exp (beta), směr efektu (beta)

10

6

ka t.)

km

ě

př í je m

(1 0

v ce st y

O so bn í

ka Dé l

ní v By dl e

Ce st a

s

ji n ou

M ka rta n

by t

os .

HD

D M H ek tro El

Př ed pl at né

Kr ál ov é

Pa rd ub ice

-2

Hr ad ec

M

už

2

Pozn. Sloupce v grafu zobrazují relativní velikost efektu vysvětlující proměnné na volbu dopravních prostředků. Sloupce nad osou x zobrazují posilující efekt, naopak sloupce pod osou x zeslabující efekt.

U posledního modelu (viz graf výše) se směr efektů ani signifikance od předchozích modelů příliš neliší. Viditelnou výjimku představuje především 111


nesignifikantní vliv osobního příjmu na volbu automobilu. To znamená, že příjem má především větší vliv na vlastnictví automobilu a méně už na jeho každodenní používání. Neplatí to však absolutně, protože naopak osoby s nižším příjmem častěji cestují autem jako spolujezdci, neboť tímto způsobem mohou cestovní náklady výrazně snížit. Závěrem můžeme shrnout, že všechny tři testované modely potvrdily významné efekty několika klíčových proměnných na volbu dopravního prostředku na referenční cestu. Jedná se o efekt lokality, v níž jsou cesty realizovány (především Hradce Králové a okolí), efekt délky cesty, zda respondent bydlí v bytě či domě, efekt počtu automobilů v domácnosti, který úzce souvisí s příjmem a efekt pohlaví. Cestovní náklady spojené s cestou autem mají na jeho volbu významný negativní vliv. Skutečnost, zda respondent realizuje cestu s jinou osobou ovlivňuje významně pouze volby cesty autem, nikoliv zda zvolí kolo či chůzi. Zda respondent vlastní časové předplatné na hromadnou dopravu nebo Pardubickou, Plzeňskou kartu nebo Elektronickou peněženku má sice ve všech model významný vliv, ale poměrně malý. Významné proměnné v modelech, s výjimkou proměnné pohlaví, naznačují, že se osoby při volbě dopravních prostředků rozhodují racionálně z hlediska cestovní vzdálenosti, dostupnosti cílové lokality některým z nemotorových způsobů dopravy a relativních nákladů na cestu. Zatímco skutečnost, že volba kola je pravděpodobnější v Hradci Králové a okolí, lze vysvětlit existencí rozsáhlé cyklistické infrastruktury, vysvětlení proč je spolujízda autem o tolik častější v Pardubicích a okolí a proč je v obou těchto městech častější chůze – pokud zároveň kontrolujeme efekt vzdálenosti - nadále chybí.

1.7.6 REAKCE NA DOPRAVNÍ OPATŘENÍ Dále jsme v dotazníkovém šetření zjišťovali, která dopravní opatření v respondentově lokalitě či změny dopravní situace, ke kterým došlo v průběhu předchozího roku a půl (2007 a 2008), ovlivnily jeho každodenní cestování. Mezi nejčastěji jmenované změny a opatření patřilo zvýšení cen pohonných hmot, změny cen jednorázového jízdného a časového předplatného, změny cen parkování a množství parkovacích míst jak v centru města, tak v jeho ostatních částech a výstavba cyklistických stezek. Úplný přehled opatření a četnost uvedení jednotlivých odpovědí zobrazuje následující tabulka. Čísla v tabulce ukazují počty kladných odpovědí v jednotlivých lokalitách, které znamenají nejen skutečnost, že došlo k nějaké změně, ale také to, že se tato změna nějakým způsobem respondenta dotkla.

112


Tabulka 1.7.27: Dopravní změny a opatření, které se dotkly respondentových cest (2007 a 2008)

Zvýšení cen pohonných hmot Změny cen jednorázového jízdného MHD Změny cen časového jízdného MHD Změny cen parkovného ve vnitřním městě Zhoršení možnosti nalezení parkovacího místa ve vnitřním městě Výstavba cyklistických stezek na území města Změny tarifů a cen vlaku Snížení frekvence spojů MHD Rozšíření zóny placeného stání ve vnitřním městě Změny tarifů a cen u IHD Snížení počtu parkovacích míst ve vnitřním městě Změny cen parkovného v ostatních částech města Provoz nových vozů MHD Snížení počtu parkovacích míst v ostatních částech města Rozšíření zóny placeného stání v ostatních částech města Zavedení společného (integrovaného) jízdného na hromadnou i regionální dopravu Zvýšení počtu parkovacích míst ve vnitřním městě

Hradec Králové Pardubice Plzeň a a okolí a okolí okolí 183 168 130 186 155 119 91 65 110 130 51 27 98 80 88 43 79 51 65 67 24 44 48

51 90 59 43 35 50 22 20 32 14 16

57 27 31 42 11 19 29 11 40 20 6

18 16

21 14

27 0

Po odpovědi následovala otázka, jakým způsobem respondent na označené změny zareagoval. Nabídka odpovědí obsahovala změny týkající se jak vlastnictví relevantních statků dlouhodobé spotřeby (předplatného na HD či vlastnictví auta), tak změny ve frekvenci využívání jednotlivých dopravních prostředků. Respondent mohl označit více odpovědí. Kombinací těchto dvou otázek jsme se snažili zjistit efekt některých dopravních opatření na způsob cestování po aglomeraci a změny ve využívání jednotlivých dopravních prostředků. Výsledky uvádíme v následujících 7 grafech. Paprskové grafy zobrazují efekt jednotlivých dopravních opatření. Změny jsou uvedeny pouze u opatření, jež byly ve vzorku zaznamenány alespoň v 5 % případů (alespoň 50 respondenty). Stonásobek hodnot v grafu, pohybujících se mezi 0 a 1 zobrazuje procento respondentů, kteří na změnu dotýkající se jejich cestování zareagovali příslušným způsobem. Nezobrazuje tedy množství cest ani podíl přepravní práce, který by byl místo jednoho dopravního prostředku nahrazen prostředkem jiným. Měřítka os v následujících 8 grafech jsou vždy přizpůsobena vyskytujícím se hodnotám. Pokud tedy chceme navzájem porovnávat účinnost jednotlivých opatření a efekty změn, je třeba porovnat znázorněné hodnoty a nikoliv pouze vzdálenost křivek od středu grafu.

113


Graf 1.7.20: Efekt změn cen jednorázového a časového jízdného v MHD

Jezdí více autem Přestal/a používat Pardub./Plzeň. kartu/El. Peněženku

0,30

Jezdí méně autem

0,20

Přestal/a kupovat čas. předplatné HD

0,10

Jezdí více HD

0,00

Pořídil/a Pardub./Plzeň. kartu/El. peněženku

Jezdí méně HD

Pořídil/a čas. předplatné HD

Jezdí více na kole

Pořídil/a (další) auto

Změny cen jednorázov ého jízdného MHD Změny cen časov ého jízdného MHD

V grafu vidíme, že změny cen jednorázového i časového jízdného mají negativní efekt na využívání MHD a pozitivní efekt na využívání substitutů, jako je auto a kolo. Graf naznačuje, že přibližně stejný počet osob začal jezdit více autem a na kole. Změny cen jednorázového jízdného vedou taktéž k pořizování časového předplatného, které je oproti jednorázovému zpravidla zvýhodněné. Pouze v malém procentu případů vedou změny cen jízdného k tomu, že respondenti přestanou kupovat časové či kreditní předplatné (Pardubickou nebo Plzeňskou kartu nebo Elektronickou peněženku). Také pouze v malém procentu případů vedou změny jízdného k pořízení auta či dalšího auta do domácnosti.

114


Graf 1.7.21: Efekt změn kvality v MHD

Jezdí více autem Přestal/a používat Pardub./Plzeň. kartu/El. Peněženku

0,30

Jezdí méně autem

0,20

Přestal/a kupovat č as. předplatné HD

Jezdí více HD 0,10

0,00


Jezdí méně HD



Parkuje jinde

Pořídil/a (další) auto Snížení frekvence spojů MHD Provoz nových vozů MHD Zavedení integr. MHD/IHD jízdného

Výsledky zobrazené v grafu 1.7.21 ukazují, že klesající kvalita spojení MHD vede k nahrazení některých cest hromadnou dopravou cestami autem a na kole. To se týká především snížení frekvence spojů, které vedou k častějšímu využívání auta a kola. Změna ve využívání automobilu je zde dokonce uvedena častěji než v případě změny cen jízdného. Naopak snížení frekvence spojů MHD má na častější používání kola menší efekt než změny cen jízdného. Snížení frekvence spojů MHD však nevede k tomu, že by si dotčené osoby přestaly kupovat předplatné na hromadnou dopravu, ani elektronické karty s kreditem. Naopak k pořízení elektronických karet s kreditem a časového předplatného vede integrace městského a regionálního jízdného do společného systému tarifů. Integrace vede taktéž k častějšímu využívání hromadné dopravy. Poněkud překvapivě se vyskytly i odpovědi udávající, že respondenti po integraci tarifů cestují také častěji autem a na kole. Provoz nových vozů MHD vede sice k častějšímu využívání hromadné dopravy, nikoliv však k méně častému využívání automobilu a kola, ani k nákupu předplatného.

115


Graf 1.7.22: Efekt změny tarifů příměstské dopravy

Jezdí více autem 0,40

Jezdí méně autem

Přestal/a kupovat č as. předplatné HD 0,30

0,20



0,00


Jezdí méně HD

Parkuje jinde


Pořídil/a (další) auto Změny tarifů a cen vlaku Změny tarifů a cen u IHD

Změny tarifů dvou typů příměstské dopravy (vlaku a autobusu) vedou k poměrně významnému nárůstu na straně častějšího využívání automobilu na úkor hromadné dopravy. Efekt stejného směru, ovšem v menší míře, mají změny tarifů také na častější využívání kola. V obou případech je změna výraznější v případě integrované autobusové dopravy než v případě vlaku. Změna tarifů a cen u integrované hromadné dopravy vede také k pořizování (dalšího) automobilu. Změny tarifů příměstské podobně jako městské dopravy vedou také k pořizování časového předplatného, které zpravidla jednotlivé cesty finančně zvýhodňuje.

116


Graf 1.7.23: Změny v placení parkovného ve vnitřním městě

Jezdí více autem 0,50

0,40


0,30

Jezdí méně autem

0,20

0,10

0,00

Parkuje jinde

Jezdí více HD



Změny cen parkovného ve vnitřním městě Rozšíření zóny placeného stání ve vnitřním městě

Změny cen parkovného a rozšíření zóny placeného stání ve vnitřních částech města má nejvýznamnější efekt na změnu míst, kde osoby parkují. Ve výrazně menší míře vedou změny v parkování v centrech tří zkoumaných měst k méně častému využívání automobilu či výraznému nárůstu využívání hromadné dopravy. Výraznější je nahrazení cest do města autem cestami na kole.

117


Graf 1.7.24: Změny v dostupnosti parkování ve vnitřním městě Jezdí více autem 0,50

0,40

Pořídil/a č as. předplatné HD

Jezdí méně autem 0,30

0,20

0,10

Parkuje jinde

Jezdí více HD

0,00


Jezdí méně HD


Snížení poč tu parkovacích míst ve vnitřním městě Zhoršení možnosti nalezení parkovacího místa ve vnitřním městě Zvýšení poč tu parkovacích míst ve vnitřním městě

Obdobné jsou reakce na snížení počtu parkovacích míst a zhoršení možnosti nalezení parkovacího místa v centrech měst. Stejně jako v případě změny cen parkovného vedou v největší míře k parkování v jiných lokalitách (kde parkování zpoplatněno není) a nahrazení cest autem cestami na kole. Naopak ale vidíme, že zvýšení počtu parkovacích míst v centrálních částech měst vede k častějšímu využívání auta a změně lokalit, kde osoby parkují. Soudě podle hodnot v grafu je tento efekt výrazně větší než v případě snížení počtu parkovacích míst.

118


Graf 1.7.25: Změny v dostupnosti parkování v ostatních částech města Jezdí více autem 0,50


0,40

Jezdí méně autem

0,30

0,20



0,00


Jezdí méně HD

Parkuje jinde



Změny cen parkovného v ostatních č ástech města Snížení poč tu parkovacích míst v ostatních č ástech města Rozšíření zóny placeného stání v ostatních č ástech města

Stejné jako v případě snížení počtu parkovacích míst v centrech měst jsou reakce na snížení počtu parkovacích míst a změny cen parkovného, resp. rozšíření zón placeného stání v ostatních částech města. Nejčastěji vedou ke změně lokalit, v nichž jedinci parkují, dále pak k méně častému využívání auta ve prospěch kola, ale také hromadné dopravy. V porovnání s obdobnými změnami v centru města vede snížení počtu parkovacích míst a změny cen mimo centrum k významnějšímu úbytku ve využívání auta a nárůstu na straně hromadné dopravy. U pořízení Pardubické či Plzeňské karty nebo Elektronické peněženky je viditelný pouze malý nárůst.

119


Graf 1.7.26: Změny cen pohonných hmot cyklistické infrastruktury Jezdí více autem 0,80

Přestal/a používat Pardub./Plzeň. kartu/El. Peněženku

0,70

Jezdí méně autem

0,60 0,50 0,40


Jezdí více HD 0,30 0,20 0,10 0,00


Jezdí méně HD



Parkuje jinde


Zvýšení cen pohonných hmot

Výstavba cyklistických stezek na území města

V posledním grafu jsou znázorněny změny, ke kterým vedlo zvýšení cen pohonných hmot a výstavba cyklistických stezek na území města v průběhu let 2007 a 2008. V porovnání s hodnotami v předchozích grafech vidíme, že největší efekt na frekvenci využívání auta mají právě měnící se ceny pohonných hmot. Přestože je zde patrné také častější využívání hromadné dopravy, pouze v zanedbatelném počtu případů respondenti uvedli, že by si pořídili časové předplatné na hromadnou dopravu, Plzeňskou nebo Pardubickou kartu nebo Elektronickou peněženku. Výstavba cyklistických stezek na území města má velký vliv na častější cestování na kole. V zanedbatelném počtu případů však rozšiřující se infrastruktura vedla k nahrazení auta či hromadné dopravy cyklistikou. Je možné, že nárůst cyklistiky tvoří dodatečné cesty či cesty s rekreačním účelem.

120


1.7.7 ZÁVĚR Závěrem můžeme shrnout, že změnou, která měla největší negativní vliv na využívání automobilu na dojíždění respondentů na území města bylo zvýšení cen pohonných hmot, v menší míře zpoplatnění parkování a snížení počtu dostupných parkovacích míst mimo centrum města. Naopak největší pozitivní efekt na využívání automobilu i pořízení (dalšího) automobilu měly změny tarifů a cen integrované hromadné dopravy. Dále mělo pozitivní efekt snížení frekvence spojů MHD, změny tarifů vlakové dopravy a městské hromadné dopravy a zvýšení počtu parkovacích míst ve vnitřním městě. Data ukazují, že významnější byl tento efekt u změn integrované dopravy než městské hromadné dopravy. Domníváme se, že u integrované hromadné dopravy či vlaku je vzhledem k větší vzdálenosti cest menší možnost substituce pomalejšími způsoby dopravy, jakými je cyklistika či chůze. Pozitivní efekt na častější využívání městské hromadné dopravy mělo zavedení nových vozů MHD, zavedení společného jízdného v MHD a IHD, zvýšení cen pohonných hmot a změn v dostupnosti parkování v ostatních částech města. Zavedení nových vozů sice podle prohlášení respondentů vedlo k častějšímu využívání hromadné dopravy, data však nepotvrzují, že by zároveň docházelo k častému nahrazení cest autem. Celkově lze říci, že k nárůstu využívání hromadné dopravy došlo ve sledovaných lokalitách v důsledku popsaných změn v poměrně malé míře. Podobné je to s pořízením časového předplatného na hromadnou dopravu či kreditního předplatného v podobě Pardubické a Plzeňské karty nebo Elektronické peněženky. K tomu docházelo v důsledku změny cen jednorázového jízdného na MHD a integrace regionální a městské hromadné dopravy. Naopak však ale v důsledku změn, které vedou k méně častému využívání hromadné dopravy – jakými jsou především změny tarifů a cen a snížení frekvence spojů – nedochází k tomu, že by si osoby přestaly časové či kreditní předplatné kupovat. Na častější využívání kola měla efekt především výstavba cyklistických stezek na území města, změny cen a tarifů hromadné dopravy, snížení frekvence jejích spojů a dostupnosti parkování v centrech měst.

121


1.7.8 DOPORUČENÍ Pokusme se na základě výše uvedených výsledků modelování volby dopravního prostředku a minulých reakcí respondentů na dopravní opatření a jiné změny formulovat doporučení k návrhu opatření minimalizujících negativní společenské dopady individuální automobilové dopravy nebo naopak usilujících o podporu hromadné dopravy nebo cyklistiky. Jako účinný nástroj regulace automobilové dopravy se v minulosti projevily především zvyšující se ceny pohonných hmot. Podle výsledků z dotazníkového šetření byly v lokalitách měst Plzně, Pardubic, Hradce Králové a jejich okolí účinnější než zpoplatnění parkování, resp. rozšiřování zóny placeného stání ve vnitřních částech měst. Efekt finančních nástrojů potvrzují taktéž modely volby dopravního prostředku na referenční cesty, v nichž se potvrdil statisticky významný negativní efekt nákladů spojených s cestováním autem na jeho volbu. Lze proto očekávat, že finanční nástroje, které cestování autem činí relativně dražší v porovnání s hromadnou dopravou, ať už je to prostřednictvím zdanění motorových paliv, mýtného pro osobní dopravu na území města nebo parkovného, budou efektivní. Zpoplatnění parkování ve vnitřních částech měst mělo na regulaci automobilové dopravy a podpory hromadné dopravy ve sledovaných městech omezený vliv zejména proto, že měli jedinci možnost parkovat v jiných (relativně blízkých) lokalitách, v nichž parkování zpoplatněno není. Významný efekt na frekvenci využívání automobilu tak může mít teprve ucelený systém placeného parkování na celém území města, které nahrazení cílové lokality jinou lokalitou neumožňuje. Přestože zpoplatnění parkování v centrech měst nemusí vést ani k výrazně častějšímu používání hromadné dopravy, může v lokalitách s existující infrastrukturou vést k častějšímu využívání kola a pěším cestám. V souvislosti s parkováním je třeba připomenout, že ve sledovaných lokalitách naprosto zanedbatelné množství osob k cestě po městě kombinovalo automobilovou dopravu s jiným způsobem dopravy. Tento výsledek ukazuje, že zde není vůbec využíváno odstavné parkování na hranicích města, které by odlehčilo silniční dopravě ve městě. Při návrhu opatření je třeba rozlišovat, zda uvažujeme o změnách cestování po městě realizovaných osobami, které mají bydliště v širším centru města nebo o cestách, které realizují osoby z příměstských oblastí a v rámci celých pracovních mikroregionů. První typ cest, které jsou zpravidla také kratší, jedinci s větší pravděpodobností realizují pomalejšími způsoby dopravy, jako je cyklistika nebo pěší chůze. Při zvýšení relativních cen osobní automobilové dopravy, ale také městské hromadné dopravy, tak existují dostupné alternativy, jejichž náklady se nemění a jejichž použití není tak závislé na příjmu a vybavenosti nákladnými statky dlouhodobé spotřeby. Šanci, že jedinci motorizované způsoby dopravy na kratší cesty nahradí cyklistikou pak kromě relativních nákladů na jejich použití ovlivňuje taktéž rozsah a kvalita cyklistické infrastruktury, jako je tomu v Hradci Králové.

122


U druhého typu cest, které jsou zpravidla delší, se může při relativním zdražení individuální automobilové dopravy snižovat celková dopravní dostupnost. Jak ukázaly výsledky kvalitativního předvýzkumu, suburbánní či regionální hromadná doprava totiž nemusí dostačovat individuálním požadavkům na spojení a přijatelné intervaly spojů. Tato skutečnost vede v kombinaci se zvyšujícími se cenami příměstské autobusové dopravy k pořízení automobilu, resp. dalšího automobilu v domácnosti. Spolu se snižující se frekvencí spojů hromadné dopravy se jedná o hlavní faktory vedoucí k častějšímu využívání auta v neprospěch hromadné dopravy. Chceme-li minimalizovat významné negativní dopady z automobilové dopravy mezi příměstskými oblastmi a centry spádových měst, je žádoucí v co největší míře podporovat zvýšenou frekvenci spojů a výhodnost tarifů příměstské a regionální dopravy a to i na úkor tarifů dopravy městské, u níž v tak velké míře nehrozí nahrazení individuální automobilovou dopravou. Je také třeba vzít v úvahu, že část dojíždějících, zpravidla žen, porovnává náklady na příměstskou hromadnou dopravu s náklady, které mají jako spolujezdci a které jsou proto výrazně nižší než u řidičů, kteří cestují sami. Co se týče městské hromadné dopravy data ukazují, že snižující se frekvence spojů hromadné dopravy má na odliv cestujících dokonce větší vliv než rostoucí ceny. Provoz nových vozů MHD sice zvyšuje kvalitu přepravy, nevede však k tomu, že by osoby, které dosud cestovaly jiným způsobem častěji využívali hromadnou dopravu, natož, aby si pořídili časové nebo kreditní předplatné. Integrace tarifů městské a regionální hromadné dopravy se ukázala být významným faktorem pro pořízení předplatného na hromadnou dopravu a to časového či kreditního. Zajímavé je, že vlastnictví předplatného není příliš ovlivněno uvedenými dopravními změnami. Domníváme se, že velká část osob, které si předplatné pořídí si ho ponechají nehledě na jiné změny dopravní situace. Vybavenost těmito statky dlouhodobé spotřeby se zdá být stabilnější než frekvence využívání hromadné dopravy. V neposlední řadě výsledky sociologického šetření ukazují, že není příliš efektivní směřovat opatření do menší vybavenosti automobily, která je ovlivněna nejen každodenním dojížděním, ale do značné míry také očekávanými možnostmi realizovat cesty na dlouhé vzdálenosti, víkendové cesty a dovolené a být mobilní, v případě, že by bylo v akutním případě potřeba rychle se dopravit například do nemocnice. Chceme-li tedy omezit používání automobilu na území měst, kde navíc vznikají významné negativní dopady na obyvatelstvo a jeho zdraví, je žádoucí motivovat s pomocí relativních cen a dostupných alternativ jedince, kteří automobil vlastní, k méně častému použití ke každodenním cestám.

123


2. Ekonomická analýza nástrojů regulace dopravy z hlediska jejich ekonomické efektivity a dopadů na životní prostředí

Zodpovědná řešitelka: Hana Brůhová-Foltýnová Zpracovali: Hana Brůhová-Foltýnová, Vojtěch Máca, Jan Brůha

124


Úvod S tím, jak narůstá výkon osobní dopravy ve městech, narůstají i negativní dopady dopravy na životní prostředí a zdraví obyvatel (ekonomicky vyjádřitelné jako negativní externality). Tyto dopady jsou nejen lokální (zdravotní dopady na obyvatele žijící a pohybující se v blízkosti frekventovaných komunikací, především z emisí prachových částic a hluku), ale i regionální, národní a nadnárodní (především emise tzv. skleníkových plynů43). Proto se stále větší pozornost věnuje možnostem, jak snížit tyto negativní následky dopravy na všech úrovních jejich působení. Pro volbu a implementaci efektivních nástrojů regulace osobní dopravy je nutné znát nejen sociologické aspekty dopravního chování (o kterých pojednává první část této zprávy), ale také možnosti, dopady a vzájemné interakce jednotlivých regulačních opatření. Hlavním cílem této části je proto analyzovat efekty jednotlivých nástrojů regulace dopravy (především ekonomických, ale také administrativních a technických) s ohledem na jejich dopad na (ekonomický) blahobyt a jejich vliv na životní prostředí; diskutovat vzájemné interakce (synergický i protisměrný efekt), fungování a působení košů (mixů) těchto nástrojů. Stěžejním krokem této části je tvorba ekonomického modelu dopravního chování, který umožňuje vysvětlovat a predikovat změnu dopravního chování domácností v reakci na cenové signály. Tento model je kalibrován na základě empirických dat a využit pro simulaci efektů různých kombinací nástrojů pro regulaci osobní dopravy v pěti největších českých a moravských městech.

43

Skleníkové plyny představují skupinu chemických sloučenin, které se mohou jako znečisťující složka v ovzduší významně negativně podílet na vzniku nežádoucích změn klimatu. Z dopravy se jedná především o emise CO2.

125


2.1 Rešerše literatury a sběr dat Úvod Prostředí měst v dnešní době představuje životní prostor převážné většiny obyvatelstva jak v ČR, tak i EU. Města mají přitom zásadní význam pro fungování národního hospodářství a zásadní měrou přispívají k tvorbě domácího produktu. Ekonomický rozvoj a růst životní úrovně ovšem vedle pozitivních přínosů působí i nepříznivé důsledky pro kvalitu života ve městech. Růst dopravy přitom představuje jeden ze zásadních problémů, neboť vede jak ke znečišťování ovzduší, riziku dopravních nehod, expozici komunitnímu hluku a emisím skleníkových plynů. Řešení otázek městské mobility přitom již dlouho není jen záležitostí místních správ, ale vyžaduje spolupráci s centrálními orgány – dobrým dokladem může být rostoucí pozornost věnovaná těmto problémům na úrovni EU v nedávno vydané zelené knize o městské mobilitě44. V podstatě můžeme rozlišit čtyři způsoby omezování negativních dopadů osobní dopravy v městských oblastech45: • nahrazení současných osobních automobilů a vozidel hromadné dopravy vozidly „čistšími“, s nižší spotřebou pohonných hmot a nižšími emisemi, • nahrazení cest uskutečněných osobními automobily cestami uskutečněnými dopravními prostředky a způsoby cestování přátelštějšími k životnímu prostředí, jako jsou hromadná doprava, car-sharing a car-pooling, cyklistika a chůze, • konáním méně cest (spojování cest, telecommuting, internet shopping, internetbanking a další) a • zkracováním cest. Existuje řada nástrojů, jak motivovat (s využitím některých administrativních nástrojů pak přimět) obyvatele k některému z těchto čtyř vymezených způsobů chování. Dosud se v dopravní politice používala především přímá regulace (administrativní či normativní nástroje) s velkým podílem správních opatření (v našich podmínkách např. emisní standardy, omezení vjezdu určitým vozidlům, preferenční pruhy vozidlům hromadné dopravy apod.). Méně využívané, i když stále populárnější i v městském prostředí, jsou ekonomické nástroje. Ty jsou relevantnější k tržně orientované ekonomice a umožňují hospodárné užívání statků a služeb životního prostředí. Vedou k cíli efektivněji, s menšími náklady [viz např. OECD 2001a]. Ekonomické nástroje v dopravě mají nejčastěji formu daní a poplatků za parkování či vjezd/pohyb v městských aglomeracích (např. „congestion pricing“), ale patří sem např. i pojištění vozidel či povinné ručení. 44

Srov. Komise ES [2007] Zelená kniha: Na cestě k nové kultuře městské mobility, KOM [2007] 551 v konečném znění. 45 Zpracováno s využitím Dargay J. [2006]

126


Dopady zvolených nástrojů na chování obyvatel závisí na velké řadě faktorů, především na osobních charakteristikách jednotlivců, jejich možnostech využití alternativních druhů dopravy, postojích a preferencích. Pokud chceme zvolit úspěšnou strategii k regulaci dopravního chování, potřebujeme získat co nejpřesnější informace o těchto faktorech. Toto studium zasahuje do různých vědních disciplin. Podívejme se na ty, které bývají označovány jako společenské vědy. Sociologie a psychologie se zaměřuje na analýzu preferencí a motivací při volbě dopravního prostředku – zkoumá např. postoje k jednotlivým druhům dopravy, osobní a společenské normy, zda a jak jedinci vnímají problémy způsobené dopravou, uvědomění si environmentálních souvislostí svého chování. K takovýmto analýzám potřebují výzkumníci především data o individuálních charakteristikách jedinců (věk, pohlaví, příjem osoby a domácnosti, složení domácnosti, fáze životního cyklu, zaměstnanecký status), jejich preference a postoje46. Předmětem ekonomické analýzy dopravního chování obyvatel jsou pak ekonomické faktory jako náklady vlastnictví a používání automobilu (investiční a provozní náklady), náklady používání hromadné dopravy (jízdné), příjem jedince či domácnosti. S využitím těchto dat spolu s individuálními charakteristikami domácností mohou ekonomové analyzovat reakci domácností na změny cen (nákladů) dopravy. Další typ ekonomické analýzy, které se v tomto projektu věnujeme, souvisí s efektivitou zvolených nástrojů regulace. Zde analyzujeme náklady a kvalitu (četnost spojů a délku cest – cestovní čas) provozu hromadné a individuální automobilové dopravy, náklady poskytování dopravní infrastruktury, daňové zatížení dopravního sektoru a efektivitu daňového systému, či kvantifikaci společenských nákladů dopravy. Další ze společenských věd, geografie, se pak zaměřuje na prostorové aspekty dopravy, využití území, lokaci a dostupnost hlavních cílů cest. Cílem této studie je podat přehled výsledků teoretického i aplikovaného výzkumu v oblasti ekonomie dopravy relevantní pro řešený projekt. Důraz je kladen především na nejnovější poznatky světového výzkumu. Čerpáme především z ekonomických a dopravních impaktovaných časopisů, jako jsou Journal of Transport Economics and Policy, Transport Reviews, Transportation Research, Journal of Public Economics, Regional Science and Urban Economics, American Economic Review, International Tax and Public Finance, Journal of Environmental Economics and Management a další. Tato aktivita představuje nezbytný krok pro realizaci dalších aktivit projektu, především pro tvorbu modelu použitelného pro analýzu efektivity nástrojů regulace osobní dopravy, který byl rozvíjen v dalších letech řešení tohoto projektu. Pro tvorbu modelu jsou nezbytné odhady elasticit poptávky pro zkoumaná města, odhady nákladových funkcí podniků MHD v ČR, odhady externích nákladů z dopravy v ČR. Tyto požadavky odráží struktura této studie, která má následující podobu:. Pro analýzu dopadů ekonomických nástrojů na ekonomiku a životní prostředí – tvorbu modelu dopravního sektoru – je zásadní zjistit odezvu poptávky na změny relativních cen (tedy změny cen určitého statku nebo služby vzhledem k cenám jiných statků a služeb). Proto se v další kapitole zaměřujeme hlavně na rešerši empirických studií věnovaných této problematice (kapitola 2.1.1 „Analýza dopadů cenových změn na dopravní chování“). 46

Rešerše sociologické literatury je výstupem aktivity 1.1 tohoto projektu.

127


V následující části 2.1.2 se zaměřujeme na literaturu věnovanou analýzám městské hromadné dopravy, která je jednou z klíčových předmětů zkoumání tohoto projektu. Zajímat nás bude přístup různých autorů k odhadům nákladových funkcí provozovatelů městské hromadné dopravy a vztah mezi velikostí nabídky a poptávky po hromadné dopravě (tj. efekty z rozsahu, především tzv. Mohringův efekt). Kapitola 2.1.3 obsahuje rešerši literatury věnované kvantifikaci externích nákladů z dopravy. Snížení externích nákladů dopravy v našem modelu představuje jednu ze sledovaných složek blahobytu, odhady externích nákladů tak představují jeden z klíčových vstupů do těchto analýz. Jednotlivé ekonomické nástroje (nástroje regulace) nepůsobí izolovaně, ale je třeba je analyzovat v kontextu celé ekonomiky. Navíc tyto nástroje nemají často pouze funkci regulační, ale také funkci získání výnosů do veřejných rozpočtů. Této problematice se věnuje teorie optimálního zdanění. V kapitole 2.1.4 se proto zaměřujeme na studie věnující se otázce vztahu daní a dopravy v kontextu zdanění dalšího zboží/služeb a zdanění práce. Na závěr podáváme přehled evropských projektů výzkumu zaměřených na probíraná témata. Závěrečná kapitola shrnuje hlavní poznatky z předkládané studie.

2.1.1 ANALÝZA DOPADŮ CENOVÝCH ZMĚN NA DOPRAVNÍ CHOVÁNÍ Cenové a důchodové elasticity poptávky po dopravě jsou důležitým nástrojem k analýzám dopadů ekonomických nástrojů na ekonomiku. Cenovou elasticitu můžeme definovat jako změnu poptávky po určitém zboží či službách (v našem případě nejčastěji po druhu dopravy – měřené vozokm nebo počtem cest daným druhem dopravy, po pohonných hmotách nebo po vozidlu) v důsledku relativní změny ceny/nákladů (tj. změny ceny vůči cenám jiných výrobků/služeb). Rozlišujeme cenovou (přímou) a křížovou elasticitu poptávky. Dalším typem je pak důchodová elasticita poptávky. Cenová (přímá) elasticita poptávky vyjadřuje citlivost poptávaného množství daného statku na jeho vlastní cenu. Tedy, jestliže je cenová elasticita poptávky po benzínu -0,4, tak pokud se cena benzínu zvýší o 10 %, poptávka po ní se sníží o 4 %. Pro spotřebu pohonných hmot můžeme očekávat zápornou cenovou elasticitu, a to relativně neelastickou (blízkou nule), zvláště v krátkém období. Křížová elasticita poptávky označuje citlivost poptávaného množství statku (např. benzínu) na změnu ceny jiného statku (např. jízdného MHD). Křížová elasticita bude kladná v případě substitučních statků (benzín a jízdné MHD), naopak v případě komplementárních statků (automobily a pohonné hmoty) bude záporná. Jestliže je křížová elasticity poptávky po MHD na cenu benzínu +0,3, tak jestliže se cena benzínu zvýší o 10 %, poptávka po MHD se zvýší o 3 %. Důchodová elasticita vyjadřuje citlivost poptávky po určitém statku v reakci na změnu důchodu (příjmu). Jestliže se důchod zvýší o 10 % a důchodová elasticita poptávky po automobilech je +0,8, tak se poptávka po autech zvýší o 8 %. Podle délky období, ve kterém dopad změny relativních cen pozorujeme, rozlišujeme krátkodobé elasticity (tj. odpověď na změnu relativních cen během krátkého časového období, nejčastěji 1 rok, viz Goodwin et al. [2004] a dlouhodobé elasticity (tj. reakce na změnu relativních cen během delšího období, nejčastěji 3-5 let, ibid.). Obecně 128


platí (což empirické studie potvrzují), že dlouhodobé cenové elasticity bývají vyšší (v absolutní hodnotě) než elasticity krátkodobé, a to z důvodu delšího časového prodlení mezi změnou ceny a reakcí na tuto změnu (např. mezi změnou ceny pohonné hmoty a nákupem úspornějšího vozidla). Krátkodobé a dlouhodobé efekty můžeme rozlišit jak u přímých cenových, tak i u křížových a důchodových elasticit. Jak se od sebe liší cenové a důchodové elasticity? Podívejme se na názorný příklad – nejprve na to, co nám říkají cenové elasticity. V případě, že reálná cena pohonné hmoty vzroste o 10 % a zůstane na této úrovni, výsledkem je dynamický proces, který se projeví takto (jak uvádí Goodwin et al. [2004] s využitím řady analýz poptávky po dopravě především z USA a Velké Británie): • objem dopravy poklesne zhruba o 1 % během jednoho roku, v dlouhém období (tj. přibližně 5 let) okolo 3 %, • množství spotřebované pohonné hmoty klesne o cca 2,5 % za rok, v dlouhém období pak o více než 6 %, • efektivita spalování motorových paliv vzroste o cca 1,5 % během roku a okolo 4 % v dlouhém období, • celkový počet vlastněných vozidel poklesne o méně než 1 % v krátkém období a o 2,5 % v dlouhém období. Důvodem, proč množství spotřebované pohonné hmoty klesne více než objem dopravy v důsledku nárůstu reálných cen pohonných hmot, je zřejmě ten, že řidiči se budou více snažit o úspory spotřeby (pomocí technických zlepšení vozidla, způsobem jízdy vedoucím k nižší spotřebě a řízením v jednodušších dopravních podmínkách atd.). Dalším možným důvodem je ten, že majitelé vozidel s velkou spotřebou budou vozidlo používat méně nebo jej zcela vyřadí. To vše vede k nárůstu energetické efektivity. V případě, že reálný příjem vzroste o 10 %, dojde k následujícím reakcím (které lze popsat pomocí důchodových elasticit): • počet vozidel a celkové množství spotřebovávaného paliva poroste o skoro 4 % za rok a v dlouhém období o více než 10 %, • objem dopravy poroste, ne však proporcionálně, ale o 2 % během roku a o 5 % v dlouhém období. Obecně platí (jak dále uvádí Goodwin et al. [2004]), že • cenové elasticity poptávky po palivech jsou větší než cenové elasticity poptávky po ujetých kilometrech, nejčastěji 1,5krát až 2krát (tj. při nárůstu ceny paliva se více sníží spotřeba pohonných hmot než ujeté kilometry), • dlouhodobé elasticity jsou větší než krátkodobé, nejčastěji 2-3krát, • důchodové elasticity jsou větší než cenové, nejčastěji 1,5-3krát. Ekonomové dále rozlišují dva koncepty cenových elasticit: kompenzované a nekompenzované cenové elasticity. Změna ceny statku/služby totiž vede ke dvěma efektům – substitučnímu a důchodovému efektu. Substituční efekt představuje náhradu relativně dražšího statku jeho substitutem tak, že užitek spotřebitele zůstane na stejné úrovni. Důchodový efekt vzniká, protože zvýšení ceny statku vede k tomu, že spotřebitelům zbývá méně prostředků, pokud spotřebují stejné množství jako před 129


změnou. V tomto případě klesá užitek spotřebitelů. Ti by museli být kompenzováni částkou, o kterou byla zvýšena cena sledovaného statku, aby zůstal jejich užitek na stejné úrovni. Tato změna reálného důchodu povede ke změně spotřeby. Kompenzovaná elasticita poptávky měří jen substituční efekt cenové změny (tzv. Hicksovská poptávka, na stejné hladině užitku), zatímco nekompenzovaná elasticita poptávky měří finální efekt jak substitučního, tak důchodového efektu cenové změny (tzv. Marshallovská poptávka). Pro účely našeho modelu budeme v dalších aktivitách tohoto projektu odhadovat nekompenzovanou cenovou elasticitu poptávky. Pro odhady elasticit existují různé přístupy. Možnosti jednotlivých parametrů výpočtů shrnuje následující tabulka. Tabulka 2.1.1: Přístupy k odhadování cenových elasticit Parametrizace

Funkce užitku Poptávková funkce Funkční forma: lineární, double-log, log-lineární, determinovaná vzorkem

Specifikace poptávkové funkce

Statická versus dynamická Struktura intervalu: polynomiálně distribuovaný, geometricky klesající, inverted-v, lagged endogenous model, lagged dependent variable Vysvětlující proměnné zahrnuté v modelu: zahrnutí zásoby a použití vozidel nebo vybavení, demografické proměnné atd. Definice závisle proměnné Začleněné země a regiony

Data

Metoda odhadu Typ paliva Druh dopravy

Pokryté období Typ a množství dat: Gross-section, časové řady, pooled cross-section časové řady Makro nebo mikro data Časový rozsah: roční, čtvrtletní, měsíční Nejmenší čtverce, GLS, error correction, pooled with or without dummies, random effects nebo fix effects Logit choice modely (diskrétní modely pro dopravu) Benzín, nafta, zemní plyn, ropa Doprava agregovaná, doprava podle druhu dopravního prostředku, osobní versus nákladní, jednotlivé firmy

Zdroj: OECD [2000: 10]

2.1.1.1 Cenové a důchodové elasticity poptávky po pohonných hmotách Studie zaměřené na odhady cenových a důchodových elasticit poptávky po dopravě vznikají od 70. let 20. století. Zájem o tuto problematiku vzrostl zvláště v období ropných krizí mezi lety 1973 a 1979 a dále s rostoucím zájmem o životní prostředí. Odhadů byly provedeny stovky pro různé země, různá časová období, s použitím různých metod. Proto se v této rešerši zaměříme především na nejdůležitější studie využívající metaanalýzu47 analyzující již publikované výstupy. 47

Metaanalýza představuje formální syntézu výsledků a závěrů výzkumu, včetně využití řady nástrojů pro ohodnocení a srovnání společných prvků studie.

130


Goodwin [1992] Ve Velké Británii se odhadům poptávkových elasticit v dopravě dlouhodobě věnuje Phill Goodwin. Zde se budeme věnovat především jeho rozsáhlé metaanalýze řady studií z roku 2004, ale předtím stojí jistě za zmínku i jeho studie z roku 1992. V této studii se Goodwin pokusil porovnat řadu odhadů poptávkových elasticit, které byly ve Velké Británii provedeny do roku 1991. S pomocí statistických a ekonometrických metod pak z těchto výstupů vypočítal „průměrnou“ hodnotu pro Velkou Británii. Jeho výsledek zachycuje následující tabulka. Tabulka 2.1.2: Cenové elasticity poptávky po pohonných hmotách Závisle proměnná

Cenové elasticity Krátkodobé

Dlouhodobé

Vozo-km

-0,16 (N=4)

-0,32 (N=6)

Spotřeba paliv

-0,27 (N=57)

-0,73 (N=53)

Pozn.: N = počet analyzovaných studií Zdroj: Goodwin [1992]

Tyto výsledky potvrzují, že poptávka po dopravě a pohonných hmotách je ve Velké Británii poměrně neelastická (blízká nule), přičemž elastičtější je poptávka po pohonných hmotách než po ujetých kilometrech. Znamená to, že změna ceny pohonných hmot vede jen k malým změnám ve spotřebě pohonných hmot. Goodwin et al. [2004] Goodwin s kolegy na tuto studii navázali a v roce 2004 publikovali výsledky nové metaanalýzy, která shrnuje výsledky 69 studií odhadu elasticit. Tyto studie obsahují odhady 491 elasticit a vychází z dat za více než 62 let (od 1929 do 1991). Více než 100 výsledků se zabývá spotřebou paliv, více než 30 poptávkou po dopravě měřené ujetými kilometry a ostatní zahrnují prodej automobilů a palivovou efektivitu. Většina z nich byla zaměřena na osobní automobily, část z nich na automobily osobní a nákladní. Pouze velmi málo studií se věnovalo komerční dopravě a autoři nezařadili mezi studie žádnou regionálně nebo sektorově specifickou nákladní dopravu. Nejčastěji zastoupenou zemí byly USA (N=63), dále Velká Británie (29), Kanada (12), Francie (7), Německo (7), Belgie (6), ostatní země pouze 1 – 4x. Autoři se ve své studii mimo jiné zaměřili na analýzu faktorů, které ovlivňují výši odhadů cenových elasticit. Jedná se především o volbu metody odhadu a specifikaci modelu, odhadované období, typ dat atd. V našem případě, kdy budeme odhadovat dopady různých politik (nástrojů regulace), bude třeba podrobných dat o domácnostech a jednotlivých provozovatelích městské hromadné dopravy.

131


Co se týče funkčního vztahu k výpočtu, Goodwin at al. [2004] nezjistili silný dopad na výsledky odhadů48. Nejčastěji se požíval lineární nebo log-lineární vztah, ale s rozvojem počítačových možností se setkáváme stále více také s translog, semilog nebo Box-Cox funkčním vztahem. Jednotlivé faktory a jejich dopady na výsledné odhady jsou shrnuty v následující tabulce. Tabulka 2.1.3: Přehled dopadu různých faktorů na výši poptávkových elasticit v dopravě Cena benzínu

Funkční vztah

Specifikace modelu Jednotka

Časový úsek dat Typ dat

Země

Na litr Na km Log-lineární Lineární Nelineární Semilog Box-Cox Částečné přizpůsobení Error correction model Inverted-v lag Na osobu Agregované Na domácnost Roční Čtvrtletní Měsíční Časové řady Průřezová data Průřezová data/časové řady Evropa USA OECD Austrálie, Kanada, Japonsko Ostatní

Existuje slabá evidence, že krátkodobé elasticity jsou vyšší na km a dlouhodobé na litr. Důchodové elasticity na km jsou nižší než elasticity cenové na litr Není silný dopad na funkční vztah.

Některé významné rozdíly, ale ne systematické. Některé případy indikují, že měření na osobu dává nižší cenové elasticity a vyšší důchodové elasticity pro spotřebu paliv. Vzorek je však příliš malý na další závěry. Roční data dávají nižší cenovou elasticitu a vyšší důchodovou elasticitu pro spotřebu paliv. Společné analýzy časových řad a průřezových dat (obvykle srovnání zemí) má tendenci dávat nižší elasticity při použití dynamických specifikací USA mají nižší elasticity spotřeby paliv než Evropa vztažené k ceně i k důchodu. OECD mají vyšší elasticity, další závěry nejsou příliš konzistentní

Čas

Data před 1974 Data pro 1974–81 Data po 1981

Několik výsledků ukazuje, že střední období má vyšší cenové elasticity a nižší důchodové elasticity než brzké nebo pozdní období. Neprokázal se systematický pokles hodnot elasticit s výjimkou dlouhodobého důchodového efektu na spotřebu paliv.

Metoda odhadu

Mnoho různých metod, např. nejmenších čtverců, metoda maximální věrohodnosti, instrumentální proměnné, zdánlivě nesouvisející regrese

Mnoho signifikantních rozdílů, ale neprojevených (unrevealing)

Zdroj: Goodwin et al. [2004]

Autoři studie potvrzují kromě již výše zmíněného vlivu délky zkoumaného období na výši elasticit také významné rozdíly ve výši poptávkových elasticit po pohonných hmotách mezi jednotlivými zeměmi (především mezi USA a západní Evropou), danou zřejmě strukturou osobní dopravy a možností využití substitutů automobilů (hromadné dopravy, na kratší vzdálenosti i cyklistiky a chůze). 48

Některé zdroje (např. Oum [1989] pro nákladní dopravu) však uvádí rozdílné odhady elasticit na stejných datech s použitím různých funkčních vztahů pro vyjádření poptávky.

132


Je tedy třeba zdůraznit, že výši poptávkových elasticit zřejmě nelze vždy jednoduše převzít z jiných studií, protože existuje řada faktorů, které jejich výši ovlivňují. Nejpřesnější je odhadnout poptávkové elasticity pro konkrétní populaci, kterou zkoumáme. Podívejme se na výši odhadů cenových elasticit poptávky po pohonných hmotách, jak je Goodwin et al. shrnují ve své studii (viz tabulka 2.1.4). Tabulka 2.1.4: Poptávkové elasticity vztažené k ceně paliva na litr s využitím dynamických odhadů časových řad Závisle proměnná Spotřeba paliva (celková) Spotřeba paliva (na vozidlo)

Vozokm (celkem)

Vozokm (na vozidlo)

Vozový park

Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování

Krátké období -0,25 0,15 -0,01, -0,57 46 -0,08 -0,08, -0,08 1 -0,10 0,06 -0,17, -0,05 3 -0,10 0,06 -0,14, -0,06 2 -0,08 0,06 -0,21, -0,02 8

Dlouhé období -0,64 0,44 0, -1,81 51 -1,1 -1,1, -1,1 1 -0,29 0,29 -0,63, -0,10 3 -0,30 0,23 -0,55, -0,11 3 -0,25 0,17 -0,63, -0,10 8


I z této tabulky vyplývá, že cenová poptávka po pohonných hmotách je neelastická (blízká nule) v krátkém období, ve dlouhém období je pak již elastičtější, dosahuje v průměru u zkoumaných studií výše okolo -0,64. Následující tabulka shrnuje odhady elasticit získaných s využitím statických metod. Statické metody obvykle umožňují zahrnout změnu řady faktorů, jejich odhady se tedy svým charakterem blíží krátkodobým elasticitám odhadnutým statickými metodami. Tabulka 2.1.5: Poptávkové elasticity vztažené k ceně paliva na litr s využitím statických odhadů Závisle proměnná Spotřeba paliva (celková) Spotřeba paliva (na vozidlo)

Celkem Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování

-0,43 0,23 -0,11, -1,12 24 -0,30 0,22 -0,89, -0,04 22

133

Z toho Průřez. data -0,55 0,32 -0,23, -1,12 7 Žádná pozorování

Kombinace -0,28 0,10 -0,45, -0,11 9 -0,30 0,22 -0,89, -0,04 22

Časové řady -0,48 0,16 -0,77, -0,28 8 Žádná pozorování

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR Vozokm (celkem)

Vozokm (na vozidlo)

Vozový park

Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování

-0,31 0,14 -0,54, -0,13 7 -0,51 0,25 -0,69, -0,33 2 -0,06 0,08 -0,13, 0,03 3

-0,38 0,23 -0,54, -0,21 2 Žádná pozorování 0,03 0,03, 0,03 1

-0,27 0,12 -0,41, -0,13 4 -0,33 -0,33, -0,33 1 -0,11 0,03 -0,13, -0,09 2

-0,32 -0,32, -0,32 1 -0,69 -0,69, -0,69 1 Žádná pozorování


Z tabulky je patrné, že interval, na kterém se pozorování pohybují, je poměrně široký a směrodatné odchylky jsou velké vzhledem k průměru. Je to z toho důvodu, že data pochází z velké řady různých studií zpracovaných v rozdílném kontextu. Celkově jsou poptávkové elasticity odhadnuté s využitím statických modelů vyšší než elasticity získané s využitím dynamických metod. Goodwin et al. [2004] dále odvodili vztah zemi elasticitou palivové efektivity, elasticitou spotřeby pohonných hmot a elasticitou ujetých vozokm: Elasticita palivové efektivity = elasticita poptávky po vozokm – elasticita spotřeby paliv Z výsledků analýzy studií odhadů elasticit dospěli dále Goodwin et al. [2004] k závěru, že elasticita vlastnictví vozidel ve vztahu k ceně paliva je výrazně menší než elasticita poptávky po vozo-kilometrech. Tento výsledek napovídá, že větší část (snad 80 %) změny úrovně dopravy je způsobena změnou vlastnictví vozidla. Toto popírá poměrně rozšířený názor, že vlastnictví automobilu je necitlivé na cenu paliva. Podívejme se nyní na výši odhadů důchodových elasticit, jak je shrnují Goodwin et al. Nejprve na výsledky odhadů získané s využitím dynamických metod (tabulka 2.1.6), dále pak s využitím statických metod odhadů (tabulka 2.1.7). Tabulka 2.1.6: Důchodové elasticity odhadnuté s využitím dynamických odhadů Závisle proměnná Spotřeba paliva (celková) Spotřeba paliva (na vozidlo)

Vozokm (celkem)

Vozokm (na vozidlo) Vozový park

Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita

Krátké období 0,39 0,25 0,00, 0,89 45 0,07 0,07, 0,07 1 0,30 0,21 0,05, 0,62 7 -0,005 0,01 -0,02, 0,005 3 0,32

134

Dlouhé období 1,08 0,35 0,27, 1,71 50 0,93 0,93, 0,93 1 0,73 0,48 0,12, 1,47 7 0,17 0,19 0,00, 0,41 4 0,81

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR Směrodatná odchylka Interval Počet pozorování

0,21 0,08, 0,94 15

0,43 0,28, 1,62 15


V následující tabulce jsou ukázány výsledky s použitím statických odhadů. Také pro důchodové elasticity platí, že jejich hodnota získaná s využitím statických odhadů je vyšší než hodnoty z dynamických modelů. Tabulka 2.1.7: Důchodové elasticity odhadnuté s využitím statických odhadů Závisle proměnná Spotřeba paliva (celková) Spotřeba paliva (na vozidlo)

Vozokm (celkem)

Vozokm (na vozidlo)

Vozový park

Celkem Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování Průměrná elasticita Směrodatná odchylka Interval Počet pozorování

0,49 0,40 0,02, 1,44 20 0,55 0,35 0,07, 1,14 19 0,49 0,42 0,05, 1,44 15 0,06 0,03 0,03, 0,08 3 1,09 0,56 0,49, 1,89 5

Z toho Průřez. data 0,51 0,39 0,15, 1,25 Žádná pozorování 0,47 0,02 0,46, 0,48 2 0,07 0,01 0,06, 0,08 2 1,89 1,89, 1,89 1

Kombinace 0,51 0,39 0,22, 1,44 9 0,52 0,35 0,07, 1,14 19 0,46 0,51 0,05, 1,44 8 Žádná pozorování 0,78 0,40 0,49, 1,23 3

Časové řady 0,44 0,52 0,02, 1,34 5 Žádná pozorování 0,55 0,40 0,15, 1,18 5 0,03 0,03, 0,03 1 1,22 1,22, 1,22 1


Zde vidíme, že v absolutní hodnotě dosahují důchodové elasticity o něco vyšších hodnot než elasticity cenové, a to zvláště v dlouhém období, kdy mohou být vyšší než 1. Znamená to, že domácnosti s vyšším příjmem více spotřebovávají dopravní statky a služby. Pokud příjem naroste o 1 %, má to větší dopady na nárůst spotřeby paliv, než pokud cena paliv klesne o 1 % (více viz kapitola 2.2 – tzv. efekt hystereze). Opět se ukazuje, že odhady získané pomocí statických metod odhadů jsou o něco vyšší, než odhady získané pomocí dynamických metod. Dále Goodwin a spol s využitím matematického vztahu uvedeného u Hanly et al. [2002] dospěli k závěru, že cenové elasticity jsou negativně vztaženy k příjmu, a proto budou v průběhu času (jak příjem a bohatství společnosti poroste) klesat. Tyto závislosti zachycuje následující tabulka. Tabulka 2.1.8: Elasticity spotřeby paliv ve vztahu k ceně paliva a spotřebě paliv Období

Průměrná elasticita vzhledem k ceně paliva

135

Průměrná elasticita vzhledem k důchodu


Před 1974

Krátké

Dlouhé

Statické metody

Krátké

Dlouhé

Statické metody

-0,29

-0,45

-0,56

0,52

1,28

0,63

1974 – 1981

-0,35

-0,93

-0,36

0,37

1,08

0,43

Po 1981

-0,16

-0,43

-0,28

0,38

1,04

0,14


Podobný přehled podal Goodwin a spol. také pro elasticity poptávky po ujetých vozo-kilometrech vzhledem k ceně a důchodu (viz následující tabulka). Tabulka 2.1.9: Elasticity poptávky po vozokm vzhledem k ceně paliv a důchodu Období

Průměrná elasticita vzhledem k ceně paliva

Průměrná elasticita vzhledem k důchodu

Krátké

Dlouhé

Statické

Krátké

Dlouhé

Statické

Před 1974

-

-

-0,54

-

-

0,30

1974 – 1981

-

-

-0,32

-

0,21

0,57

Po 1981

-0,10

-0,29

-0,24

0,30

0,73

0,49


Espey [1998] Espey [1998] provedl metaanalýzu studií publikovaných mezi lety 1966 a 1997, z kterých získal 277 odhadů dlouhodobých cenových elasticit, 245 odhadů krátkodobých cenových elasticit a 363 odhadů dlouhodobých nebo krátkodobých důchodových elasticit za časové období 1929 až 1993. Pro analýzu těchto odhadů elasticit použil autor lineární model a konzistentní odhad navržený Whiteem, robustní vůči heteroskedasticitě49. Espey tak odhadl výši cenových a důchodových elasticit pro osobní dopravu. Jejich hodnoty jsou shrnuty v tabulce 2.1.10. Tabulka 2.1.10: Výsledky metaanalýzy cenových a důchodových elasticit Závisle proměnná Spotřeba paliv

Cenové elasticity

Důchodové elasticity

Krátkodobé

Dlouhodobé

Krátkodobé

Dlouhodobé

-0,26 (N=277)

-0,58 (N=363)

+0,47 (N=345)

+0,88 (N=345)

Zdroj: Espey [1998]

Jedním z důležitých metodologických poznatků těchto autorů je, že vlastnictví vozidla představuje významnou vysvětlující proměnnou pro poptávku po pohonných hmotách (což je samozřejmě i intuitivní – pohonné hmoty více nakupují ti, kteří vlastní automobil), a její nezahrnutí do funkčního vztahu poptávky tedy může vést k výsledkům, které budou zkreslené směrem k větší elasticitě. Zároveň potvrzují závěry Goodwina

49

Pro zájemce o tento model odkazujeme na White, H.: A Heteroskedasticity-Consistent Covariance Matrix Estimator and a Direct Test for Heteroskedasticity. Econometrica, Volume 48, Issue 4, 1980, pp. 817 – 838.

136


[2004], že použitá metoda odhadu neovlivňuje podstatně výsledky odhadu – výsledky odhadů elasticit jsou poměrně robustní. Graham a Glaister [2002] Graham a Glaister [2002] posbírali 113 studií publikovaných mezi roky 1966 a 2000, ve kterých je obsaženo 1083 odhadů poptávkových elasticit po pohonných hmotách. Z toho bylo 387 krátkodobých cenových elasticit, 213 dlouhodobých cenových elasticit, 333 krátkodobých důchodových elasticit a 150 dlouhodobých důchodových elasticit. V této studii se věnují jak osobní, tak nákladní dopravě. My se zaměříme vzhledem k relevantnosti tématu pouze na osobní dopravu. Cílem jejich analýzy bylo zjistit vztahy mezi jednotlivými elasticitami a popsat hlavní determinanty poptávky po silniční dopravě (jako je palivová efektivita, příjem, průměrná rychlost vozidla, cestovní vzdálenost atd.). Získali tak elasticitu objemu dopravy k technologii vozidla, elasticitu objemu dopravy k rychlosti vozidla, elasticitu celkových nákladů vzhledem k příjmu a ceně nebo elasticitu počtu konaných cest vzhledem k cestovnímu času. Podívejme se na některé zajímavé výsledky, které ještě nebyly zmíněny a které doplňují výše v textu zmíněné informace. Počty cest automobilem jsou poměrně citlivé na délku cestovního času – pro celkovou automobilovou dopravu dosahuje krátkodobá elasticita hodnotu ve výši -0,6, která je podstatně vyšší než pro dlouhé období (-0,29). Tedy pokud dojde ke změnám v destinacích, frekvenci cest a využití území, řidiči začnou konat více kratších cest. Ukazuje se také, že pravidelné dojíždění do práce a školy je citlivější na změny cestovního času než služební cesty. Ujeté kilometry autem jsou k cestovnímu času ještě citlivější, přičemž dlouhodobá elasticita (ve výši -0,74) je více než 3krát větší než krátkodobá elasticita (0,20). Z toho plyne, že řidiči v průběhu času přizpůsobují své cesty tak, aby minimalizovali cestovní vzdálenost. Ukazuje se, že v dlouhém období je větší odezva na nárůst cen paliv projevující se změnou počtu ujetých kilometrů než změnou počtu cest – to může být způsobeno kombinováním různých druhů dopravy, pečlivou volbou destinace, stěhováním obyvatel a lepšími obchodními službami v místě bydliště či práce. Dále se ukazuje, že elasticity vzhledem k cestovnímu času jsou vyšší než elasticity vzhledem k ceně paliva jak pro počet cest automobilem, tak pro ujeté kilometry. Výsledky shrnuje tabulka 2.1.11. Tabulka 2.1.11: Elasticity hlavních determinant poptávky po silniční dopravě Závisle proměnná Spotřeba paliv

Vzhledem k nákladům na palivo

Vzhledem k ceně paliva

Krátkodobé

Dlouhodobé

Krátkodobé

Dlouhodobé

-0,28

-1,43

-0,25

-0,77

Km ujeté autem

-0,17

-0,57

-0,15

-0,31

Palivová efektivita

0,11

0,85

0,10

0,46

Zdroj: Graham a Glaister [2002]

137


Autoři se dále zaměřili na dopady použitých metod na výsledky odhadů a provedli metaanalýzu dostupných studií. Jejich výsledky jsou obsaženy v následující tabulce. Výše odhadů provedených Grahamem a Glaisterem [2002] se významně blíží odhadům vypočítaným Espeyem [1998]. Tabulka 2.1.12: Přehled výstupů ze studie Graham a Glaister [2002] Závisle proměnná

Cenové elasticity

Důchodové elasticity

Krátkodobé

Dlouhodobé

Vozo-km

-0,15

-0,3

Spotřeba paliv

-0,2 až -0,3

-0,6 až -0,8

Krátkodobé

Dlouhodobé

+0,35 až +0,55

+1,1 až +1,3

Zdroj: Graham a Glaister [2002]

2.1.1.2 Elasticity poptávky po vlastnictví motorového vozidla a počtu ujetých cest S jen o něco méně rozsáhlou publikační činností jako u odhadů cenových elasticit se setkáváme i u odhadů elasticit poptávky po vlastnictví vozidla. Romily et al. [1998] odhadli model vlastnictví vozidel pro Velkou Británii, který vycházel ze série časových řad pro období 1953 až 1988. Svůj model vztáhli k reálnému disponibilnímu osobnímu příjmu a indexu reálných nákladů motorizace. Jejich odhadované elasticity vlastnictví vozidla vzhledem k osobnímu příjmu (tedy důchodové elasticity vlastnictví vozidla) jsou +0,34 v krátkém období a +1,14 v dlouhém období. Krátkodobé elasticity vlastnictví automobilu vzhledem k indexu reálních nákladů motorizace odhadli na -0,29 a dlouhodobé dokonce na -2,19. Průměrná hodnota krátkodobých a dlouhodobých elasticit k nákladům motorizace dosáhla -1,24. Tato hodnota je vyšší než Goodwinova hodnota -0,89 [Goodwin 1992]. O podobné odhady – také na britskou populaci – se pokusili dále Dargay a Vythoulkas [1999], kteří vyšli z analýzy statistiky rodinných účtů pro období 1982 až 1993. Pro středně-příjmové skupiny obyvatel odhadli krátkodobou elasticitu vlastnictví vozidla vzhledem k příjmu +0,24 a dlouhodobou +0,65. Elasticita vlastnictví automobilu vzhledem k nákladům prodeje byla odhadnuta jako -0,12 (krátké období) a -0,33 (dlouhé období). Elasticity vlastnictví vozidla ve vztahu k variabilním nákladům jsou -0,19 (krátkodobé) a -0,51 (dlouhodobé). Ve srovnání s Romilly et al. [1998] jsou tyto hodnoty poměrně nízké. Elasticity vlastnictví vozidla byly odhadovány také v dalších zemích, především ve Skandinávii. Agregované poptávkové elasticity po automobilech pro Norsko odhadl Fridström [1998] s využitím vícesektorových dat pro období 1973 až 1994. Vysvětlovanými proměnnými byly osobní příjem, úrokové míry, náklady pohonných hmot a daně z vozidel. Výsledky jsou dlouhodobé důchodové elasticity poptávky po automobilech (jejich získaná průměrná hodnota dosahuje +1,2) a celkové dlouhodobé poptávkové elasticity vzhledem k nákladům paliv ve výši -0,24. Pro Dánsko tyto odhady provedl Bjørner [1999] s využitím dat výzkumů vlastnictví vozidel z let 1992 a 1993. Stejný model použil na dánská data také de Jong 138


[1990] a Ramjerdi a Rand [1992] pro Norsko. Model nerozlišuje krátko a dlouhodobé elasticity. Výsledky těchto výzkumníků spolu se srovnáním výsledků z předchozích studií jsou zachyceny v následující tabulce. Tabulka 2.1.13: Elasticity vlastnictví vozidel Vzhledem k Disponibilnímu důchodu (krátkodobé) Variabilním nákladům Fixním nákladům

Ramjerdi a Rand (1992)

Bjorner (1999)

De Jong (1990)

Romily (1998)

Dargay a Vythoulkas (1999)

+0,33

+0,41

+0,15

+0,34

+0,24

-1,33

-0,78

-0,41

-2,65

-1,29

-0,80

-0,19 / -0,51

Zdroj: Graham a Glaister [2002], Romily et. al [1998], Dargay a Vythoulkas [1999]

Z tabulky je patrné, že výsledky se překvapivě liší u jednotlivých výzkumníků, což může být způsobeno především rozdílnými vstupními daty. Graham a Glaister [2004] z provedených analýz učinili následující závěry: odhady dlouhodobých důchodových elasticit poptávky po vlastnictví osobních vozidel se pohybují mezi +0,3 a +1,1. Průměr hodnot těchto elasticit ze zkoumaných studií je +0,74. Krátkodobé důchodové elasticity byly mnohem nižší než elasticity dlouhodobé, v průměru +0,28, a pohybovaly se v úzkém intervalu +0,24 a +0,34. Bez ohledu na rozlišení „cenových“ a „nákladových“ efektů je průměrná dlouhodobá cenová/nákladová elasticita vlastnictví vozidla -0,90 (interval -0,24 až -2,65), zatímco průměr pro krátkodobé elasticity je -0,20 (interval -0,35 až -0,09). Zajímavou studii na toto téma publikovala Dargay [2001]. Zjišťovala, jaký je vztah vlastnictví vozidla nejen k nárůstu příjmu, ale i k poklesu příjmu (tzv. efektu hystereze). Na datech pro Velkou Británii ukázala, že počet automobilů v domácnosti narůstá během životního cyklu až do doby, kdy hlavní živitel dosáhne 50 let, a poté opět klesá. Elasticita poptávky po automobilech vzhledem k nárůstu příjmu je významně větší než elasticita ve vztahu k poklesu příjmu. Narůstající příjem způsobuje, že je pro domácnosti jednodušší vlastnit automobily. Zvyknou si na používání auta, při poklesu příjmu se ho však nezbavují tak rychle. Vlastnictví automobilu je spojeno se zvykem a je odolné ke změně. V další publikaci se Dargay [2002] věnovala odhadu elasticit v městských a venkovských oblastech. Její výsledky ukazují, že vlastnictví automobilu je citlivější ke změnám v nákladech pro městské domácnosti než pro venkovské. Elasticita vlastnictví vozidla vzhledem k těmto nákladům je dvakrát vyšší v městských oblastech než ve venkovských. Na druhou stranu náklady paliv nemají signifikantní dopad na vlastnictví automobilu ve venkovských oblastech, a ve městech mají pozitivní – i když malý - vliv. Pro politická rozhodnutí z toho plyne, že při implementaci nástrojů regulace dopravy jsou vhodnější – pokud bereme v úvahu distribuční dopady – nástroje specificky vázané na místo, jako jsou zpoplatnění kongescí, zpoplatnění vjezdu a nepeněžní nástroje omezující dopravu v městských oblastech. Poptávkové elasticity se dají také odhadnout pro jednotlivé cesty rozlišené dle jejich účelu, např. jak to udělali de Jong a Gunn ve svém článku publikovaném v roce 139


2001 [De Jong a Gunn 2001]. Ve své studii se zaměřili na země EU, přičemž je zajímaly dopady na poptávku v důsledku změn nákladů na provoz vozidla a cestovní čas. Autoři srovnávali výstupy ze tří modelů – nizozemského národního modelu, italského národního modelu a modelu integrovaného využití území pro bruselský region. Následující tabulka shrnuje výsledky odhadů elasticit poptávky se zohledněním druhu cesty s využitím těchto tří modelů. Tabulka 2.1.14: Cenové elasticity pohonných hmot pro počet cest automobilem jako řidič Účel

Literatura pro EU

Nizozemský model

Italský model

Bruselský model

Dojíždění

-0,20

-0,11

-0,52

-0,16

Obchodní cesty

-0,06

-0,01

Vzdělání

-0,22

-0,10

-0,55

Ostatní

-0,20

-0,31

-0,16

Celkem

-0,16

-0,19

Dojíždění

-0,14

-0,15

Obchodní cesty

-0,17

-0,01

Vzdělání

-0,40

-0,18

-0,59

Ostatní

-0,15

-0,41

-0,16

Celkem

-0,19

-0,25

Krátké období

Dlouhé období -0,55

-0,24

Zdroj: De Jong a Gunn [2001]

Z tabulky 2.1.14 vyplývá, že rozdíly v elasticitách jsou poměrně malé – jak pro krátké, tak i pro dlouhé období se blíží -0,20. Čísla také indikují, že dojíždění a služební cesty jsou méně citlivé ke změnám cen paliv než cesty za jinými účely. Autoři dále ukazují, že dopad změny cestovního času na poptávku po cestách automobilem je významnější než dopady změn nákladů. Z těchto cest je to právě dojíždění, které je citlivější na změny času než pracovní cesty. Konkrétní výsledky zachycuje následující tabulka.

140


Tabulka 2.1.15: Elasticita cestovního času pro množství cest automobilem Účel

Literatura pro EU

Nizozemský model

Italský model

Bruselský model

-0,62

-0,39

-0,54

-0,23

Krátké období Dojíždění Obchodní cesty

-0,04

Vzdělání

-0,06

-0,66

Ostatní

-0,52

-0,11

-0,09

Celkem

-0,60

-0,20

Dlouhé období Dojíždění

-0,41

-0,58

Obchodní cesty

-0,12

-0,10

-0,56

Vzdělání

-0,57

-0,19

-0,70

Ostatní

-0,52

-0,21

-0,09

Celkem

-0,29

-0,33

-0,36

Zdroj: De Jong a Gunn [2001]

Studie obsahuje i zmínku o chování cestujících automobily jako spolucestující (ne řidiči). Zde má také podstatně větší vliv cestovní čas než náklady cesty – cestovní čas totiž dopadne na všechny stejně, zatímco náklady na cestu automobilem se rozpočítají na jednotlivé pasažéry. Dá se říci, že spolucestující automobilem reagují na změny zvláště cestovního času více než automobilisté – řidiči.

2.1.1.3 Domácí studie poptávkových elasticit po pohonných hmotách Odhadů poptávkových elasticit byla v zahraničí provedena celá řada, ovšem v ČR se o tyto odhady pokusili pouze Brůha a Ščasný [2005] pro osobní dopravu. Jak uvádí Brůha a Ščasný [2005], vážený průměr přímé cenové elasticity poptávky domácností po motorových palivech pro Českou republiku odhadnutý v roce 2003 činí -0,504, nevážený průměr -0,406. Odhady z roku 2004 dospěly k hodnotám kolem -0,65, elasticity pouze pro domácnosti ekonomicky aktivních osob jsou nižší, a to 0,57. Nejnovější odhady z roku 2005 vedou k mediánové vážené Marshallovské elasticitě -0,52. Cenové elasticity pro autobusovou, železniční a městskou hromadnou dopravu se pohybují shodně kolem úrovně -0,5. Jsou vyšší u domácností důchodců a nejnižší u domácností zemědělců. Ve srovnání se zahraničními výsledky jsou odhady cenových elasticit pro Českou republiku o něco vyšší. Může to být způsobeno technikou odhadu (použitá data jsou mikro panelová data vycházející ze Statistiky rodinných účtů), která obvykle dávají mírně vyšší odhady než jiné přístupy, ale výsledky také mohou znamenat, že české domácnosti jsou v průměru citlivější k cenovým změnám dopravy než obyvatelé EU 15 nebo USA.

141


Tabulka 2.1.16: Odhady cenových elasticit poptávky po palivech v ČR 2005 Poptávka po

2004

Průměr (vážený)

Ekonomicky aktivní (vážený)

Důchodci (vážený)

Paliva

-0,52

-0,55

-0,49

Domác. zemědělců (vážený) -0,36

Bus

-0,49

-0,49

-0,53

-0,46

Vlak

-0,51

-0,49

-0,56

-0,48

MHD

-0,53

-0,53

-0,54

-0,43

Průměr -0.65

Průměr ekon. aktivní -0.57

Hodnoty 2003 -0.51

Zdroj: Brůha a Ščasný [2004]

A jak vychází výsledky pro důchodovou elasticitu poptávky po dopravě v ČR? Ukazuje se, že nejvyšší důchodová elasticita je u paliv, menší u autobusů a MHD a nejmenší, i když ne o mnoho, u železnice (viz tabulka 17). Relativně největší důchodová elasticita je u ekonomicky aktivních domácností u paliv a MHD, u domácností důchodců u autobusů a u zemědělců u motorových paliv a železnice. Průměrně charakter luxusního statku tak nejvíce mají motorová paliva, a tedy osobní silniční doprava, i když tento luxusní statek se liší co do typů domácností; u ekonomicky aktivních je to spíše silniční doprava a MHD, u důchodců autobusy a u zemědělců silniční doprava a železnice. Tabulka 2.1.17: Odhady důchodových elasticit poptávky po energiích provedených pro ČR

Paliva

2005 Průměr (vážený) 0,71

Ekonomicky aktivní (vážený) 0,75

Důchodci (vážený) 0,58

Zemědělci (vážený) 0,68

Bus

0,68

0,71

0,61

0,61

Vlak

0,67

0,69

0,55

0,67

MHD

0,68

0,73

0,58

0,64

Poptávka po

2004 Průměr 0,63

Ekonomicky aktivní 0,62

Hodnoty 2003 0,75


Po srovnání křížových cenových elasticit poptávky domácností po energiích (viz tabulka 18) zjistíme, že: • křížové elasticity poptávky po různých druzích dopravy na změny cen MHD nejsou statisticky významné pro domácnosti bydlící v malých obcích z důvodu, že v těchto obcích není většinou zavedena MHD, a proto jsou výdaje na MHD nulové nebo jen velmi nízké; • téměř u všech domácností a všech druhů dopravy vede změna ceny ke zvýšení poptávky po jiných druzích dopravy. Výjimkou jsou domácnosti důchodců, u kterých zvýšení cen jednoho statku vede k „vytlačení“ spotřeby jiného statku; zvýšení ceny autobusu vede ke snížení poptávky po MHD, zvýšení ceny železnice vede ke snížení spotřeby motorových paliv a autobusů a zvýšení ceny MHD vede ke snížení spotřeby motorových paliv;

142


• •

• •

k podobnému jevu dochází také u domácností zemědělců, u kterých zvýšení ceny motorových paliv vede ke snížení poptávky po autobusech; k relativně nejsilnějšímu křížovému efektu dochází u změny poptávky po dopravě v důsledku změny ceny motorových paliv, a to zejména u poptávky ekonomicky aktivních domácností po autobusech a v důsledku změny ceny MHD, zvlášť u poptávky ekonomicky aktivních domácností a důchodců po železnici; k nejslabšímu křížovému efektu dochází v poptávce po motorových palivech a MHD v důsledku změny ceny železnice, avšak kromě domácností zemědělců; i když má nárůst ceny autobusů a železnice relativně výrazný efekt na zvýšení poptávky po MHD, respektive autobusech u domácností ekonomicky aktivních a zemědělců, tento efekt je zcela opačný (snížení poptávky) u domácností důchodců.

Tabulka 2.1.18: Srovnání křížových cenových elasticit pro dopravu pro jednotlivé typy domácností

Paliva—bus

0,20

Vážené (ekonomicky aktivní) 0,24

Paliva—vlak

0,07

0,03

0,14

0,17

Paliva—MHD

0,12

0,14

0,03

0,20

Bus—paliva

0,05

0,04

0,06

0,08

Bus—vlak

0,15

0,14

0,16

0,23

Bus—MHD

0,03

0,11

-0,26

0,09

Vlak—paliva

0,01

0,00

-0,03

0,12

Vlak—bus

0,18

0,22

-0,04

0,32

Vlak—MHD

0,04

0,05

0,01

-0,10

MHD—paliva

0,06

0,09

-0,05

0,17

MHD—bus

0,19

0,20

0,20

0,01

MHD—vlak

0,23

0,21

0,31

0,08

Vážené

Vážené (důchodci) 0,07

Vážené (zemědělci) -0,01


2.1.1.4 Shrnutí Znalost poptávky, jejích determinant a velikost jejích parametrů představuje klíčovou informaci nezbytnou pro všechna dopravní rozhodnutí, ať už učiněná jednotlivými firmami nebo vládou. Důležitosti tématu také odpovídá množství studií, které jsou věnovány odhadům parametrů poptávky, tj. poptávkovým elasticitám. Ty vyjadřují, jak citlivě poptávka reaguje na změny relativních cen (nákladů). Výše poptávkových elasticit závisí na řadě parametrů a metodách odhadu, proto je důležité mít přesná data pro populaci, pro kterou se odhad provádí, a specifikovaný model pro jejich odhad. Klíčové je dále období, pro které se parametry poptávky odhadují. Tzv. dlouhodobé elasticity popisují dlouhý časový horizont (minimálně 1 rok, 143


často však i více jak 4 roky), kdy již domácnosti mohou na změny reagovat investicemi do vozového parku. Naopak krátkodobé elasticity odráží období do 1 roku, kdy ještě domácnosti nemohou reagovat na změny nákladů významnějšími investicemi. Z rešerše se jednoznačně ukazuje – což je i intuitivní – že v dlouhém období je poptávka elastičtější, a to zhruba 1,5 – 3x, než v krátkém období. Výše poptávkových elasticit se také mění v průběhu času. Výsledky některých studií ukazují, že cenová a důchodová elasticita poptávky po palivech v čase postupně klesá, jak narůstá bohatství společnosti. Celkově se odhady cenových elasticit na cenu paliva v zahraničí pohybují v intervalu -0,2 až -0,4, poptávka po pohonných hmotách je tedy poměrně neelastická. Důchodové elasticity poptávky po palivech dosahují hodnot v intervalu mezi +0,35 až +0,50. Krátkodobé důchodové elasticity poptávky po motorových vozidlech jsou v zahraniční literatuře odhadnuty ve výši +0,24 až +0,34, dlouhodobé pak v intervalu +0,3 až +1,1. Poptávkové elasticity lze dále odhadnout odděleně pro počty cest, pro různé příjmové skupiny obyvatel, lze je diferencovat dle účelu cesty, s ohledem na cestovní čas nebo ujeté kilometry. Na rozdíl od zahraničí, české odhady poptávkových elasticit po pohonných hmotách v dopravě jsou stále nedostatečné, v ČR se jim věnuje pouze jediné akademické pracoviště, a to Centrum pro otázky životního prostředí UK v Praze. Obecně můžeme říci, že získané hodnoty pro ČR jsou vyšší než pro země západoevropské a USA. Může to být způsobeno jak metodou odhadu u studie Brůhy a Ščasného [2005], ve které autoři využívají mikro-panelová data, tak i stále citlivější reakcí na cenové změny u nás.

144


2.1.2 EKONOMICKÝ PŘÍSTUP K ANALÝZE HROMADNÉ DOPRAVY Pro účely ekonomických analýz regulace dopravy v městských oblastech je významná městská i meziměstská hromadná doprava. Do našeho ekonomického modelu v dalších aktivitách řešení projektu vstupují jednak parametry poptávky po dopravě (tj. přímé i křížové elasticity poptávky po hromadné dopravě – „elasticity jízdného“), jednak parametry nákladových funkcí provozovatelů MHD (tj. parametry vyjadřující podíl jednotlivých složek nákladů na průměrných nákladech a parametry tzv. efektů z rozsahu). Proto se v této kapitole zaměříme na obě z těchto problémových oblastí.

2.1.2.1 Poptávkové elasticity po hromadné dopravě Poptávkové elasticity vzhledem k výši jízdného (dále elasticity jízdného) mohou být odhadnuty dvěma způsoby – první možnost je s využitím skutečných dat (to však vyžaduje poměrně detailní a vyčerpávající databázi) a zadruhé z výzkumu projevených preferencí (kde se respondenti vyjadřují, jak jezdili při dané výši jízdného). Je zřejmé, že druhý způsob má svá omezení a jeho výsledky jsou často obtížné na interpretaci. Zároveň je sběr takovýchto dat finančně a časově velmi náročný. Proto se tam, kde jsou k dispozici skutečná data o poptávce po hromadné dopravě, používá především první způsob. Při rozhodovaní o dopadech změn jízdného na poptávku po hromadné dopravě je důležité rozlišit časovou dimenzi změny. Jednou z možností je dopředu si určit, pro jaké období platí, že se jedná o krátkodobé dopady a pro jaké období vyjadřujeme dlouhodobé změny chování (a z toho odvozené krátkodobé a dlouhodobé elasticity). Druhou možností je použít časové řady a na ně aplikovat vhodný model (dynamický), který umožní empiricky určit délku času odpovídající změny dopravního chování. Metodologicky je tento způsob podstatně lepší, protože umožňuje nejen stanovit úroveň změny chování, ale také, jak dlouho trvá přizpůsobení chování na danou změnu. Toto je možné pouze s využitím dynamických modelů, které berou přímo v úvahu efekty jízdného a jiné relevantní faktory v různých časových perspektivách. K takovýmto analýzám je zapotřebí mít k dispozici data o počtu cestujících, jízdném, příjmu cestujících a dalších faktorech a jejich změny v průběhu celého zkoumaného časového období. Někdy je možné se setkat s elasticitou jízdného podmíněnou a nepodmíněnou. Podmíněná elasticita jízdného se získá, pokud je jízdné jiných typů „konkurujících“ jízdenek měněno ve stejné výši jako jízdné lístku, který analyzujeme. Tato elasticita je obvykle nižší než nepodmíněná elasticita jízdného, protože vzrůst ceny konkurenčních lístků znamená, že nedojde k částečnému přesunu od zdražených lístků k nezměněnému jízdnému. Nepodmíněná elasticita jízdného se získá, pokud se jízdné lístku změní a tato změna není zkorelována s výší jízdného konkurenčních lístků. Jedním ze zajímavých příkladů odhadů poptávkových elasticit po hromadné dopravě je studie Dargay a Hanly [2002] provedená pro britské ministerstvo dopravy50. 50

Celým novým názvem Department of Transport, Local Government and the Regions (DTLR).

145


Vychází z ročních údajů provozovatelů hromadné dopravy za léta 1986 až 1996, které jsou agregovány na úroveň 46 krajů (county). Jejich ekonometrické odhady ukazují, že hodnota elasticity jízdného se pro Anglii pohybuje okolo -0,4 v krátkém období a -0,9 v dlouhém období. Ukazuje se, že poptávka je více citlivá ke změně při vyšších cenových úrovních jízdného. Model, ve kterém je elasticita jízdného vztažena k úrovni jízdného ukazuje, že rozdíl v elasticitách se pohybuje od -0,1 v krátkém období a od -0,2 v dlouhém období pro nejnižší úroveň jízdného (17 pencí v cenách roku 1995) do -0,8 pro krátké a -1,4 pro dlouhé období pro nejvyšší jízdné (1 libra v cenách roku 1995). Autoři dále provedli odhady elasticit ve vztahu ke kvalitě služeb, které měřili jako autobuso-km na osobu pro uvažovaný trh. Ukázalo se, že odhadované elasticity služeb dosahují zhruba stejné úrovně (příp. mírně větší) než elasticity jízdného, ovšem s opačným znaménkem. To ukazuje, že nárůst jízdného v kombinaci s nárůstem služeb by měl vést k nezměněné poptávce. Například pokud vzroste jízdné o 10 % a počet vozokm se také zvýší o 10 %, počet cestujících zůstane zhruba na stejné úrovni. Tyto závěry nepotvrzují existenci tzv. Mohringova efektu (viz kapitola 3.2). Důchodová elasticita je v dlouhém období záporná, což naznačuje, že cestování autobusem je podřadné zboží (je to tedy naopak než u důchodové elasticity u vlastnictví automobilu, která je kladná). Nicméně negativní důchodová elasticita zůstává, pokud narůstá vlastnictví automobilu a jeho používání. Jakmile se osobní motorizace přiblíží úrovni svého nasycení, což se musí stát, případně je to ovlivněno politickým rozhodnutím, negativní důchodový efekt k cestám autobusem se stává menším až kladným. Wardman a Shires [2003] Wardman a Shires srovnávali studie odhadů elasticit v období 1951 až 2002, celkem 104 studií, pro veškerou hromadnou dopravu. Zjistili, že se odhady elasticit mírně liší mezi jednotlivými druhy dopravy. Můžeme zjednodušeně říci, že méně elastická je poptávka po městské dopravě (zvláště metro a městský autobus), naopak více elastická je meziměstská doprava (vlak). Je to zřejmě dáno většími možnostmi substitutů na delší vzdálenost mimo městské oblasti. Elasticity jízdného pro autobusovou dopravu jsou o 31 % a pro metro o 29 % nižší než pro vlak. Detailní přehled odhadů podává tabulka 2.1.19. Tabulka 2.1.19: Hodnoty elasticit jízdného pro různé druhy hromadné dopravy Počet hodnot

Střední hodnota

Městský autobus

305

-0,5

Metro

42

-0,3

Příměstský vlak

99

-0,6

Meziměstský vlak

456

-0,9

Celkem

902

-0,7

Min.

Max.

Standardní odchylka

-3,1

-0,04

0,38

-0,7

-0,04

0,16

-2,1

-0,12

0,33

-3,2

-0,05

0,42

-3,0

0,00

0,43

Zdroj: Wardman a Shires [2003]

Odhady elasticit jízdného se liší podle účelu cesty. Ukazuje se, že nejméně elastické jsou služební cesty. Také dojíždění je méně citlivé na výši jízdného než cesty ve

146


volném čase. Žádný dodatečný rozdíl nebyl zjištěn pro cesty první třídou (oproti cestám ve druhé nebo ekonomické třídě). Wardman a Shires dále poukazují na rozdíl mezi podmíněnými a nepodmíněnými elasticitami. Podmíněné elasticity pro plné a snížené jízdné jsou nižší než nepodmíněné, jízdné na první třídu pak má nejnižší elasticity a naopak snížené jízdné (což je převážně cestování ve volném čase) má nejvyšší elasticity. Tento rozdíl naznačuje nízkou křížovou elasticitu mezi jednotlivými typy jízdného, a je tedy možné efektivně rozdělovat jednotlivé segmenty trhu. Například první třída představuje zcela rozdílný trh, což potvrzuje největší křížová elasticita mezi lístky na první třídu a dalšími lístky. Nijkamp a Pepping [1998] Nijkamp a Pepping [1998] udělali srovnávací analýzu hlavních faktorů, které ovlivňují citlivost uživatelů hromadné dopravy na změnu nákladů dopravy. Autoři srovnávali studie poptávkových elasticit z Norska, Finska, Nizozemí a Velké Británie. Výši poptávkových elasticit pro tyto evropské země shrnuje následující tabulka. Tabulka 2.1.20: Přehled studií elasticit hromadné dopravy pro 4 evropské země Úroveň agregace Bus, tram, metro, vlak Bus, tram, metro, vlak

Geograf. pokrytí

Bus, tram, metro, vlak

Městské, meziměstské

Bus, tram, metro Bus, tram, metro Bus, tram, metro Bus, tram, metro

Městské, příměstské Městské, příměstské Městské, příměstské

Vlak

Příměstské

Země

Sběr dat

Helsinky

Finsko

1988

Helsinky

Finsko

1995

Sullström, 1995

Finsko

1966-90

Nizozemí

Nizozemí

1984-85

BGC, 1988

Nizozemí

1980-86

Roodenburg, 1983

Nizozemí

1950-80

Fase, 1986

Nizozemí

1965-81

Gunn, 1987

Nizozemí

1986

Oum, 1992

Nizozemí

1977-91

Oslo

Norsko

1990-91

Norsko

Norsko

1991-92

Bus

Meziměstské

UK

UK

1991

Bus, tram, metro, vlak

Městské, meziměstské

Bus, tram, metro Bus, tram, metro, vlak

Městské Městské

Městské

Městské Městské, příměstské

Typ dat Crosssection Crosssection Repeated crosssection Panel Časové řady Časové řady Časové řady Crosssection Časové řady Crosssection Crosssection Crosssection

Typ modelu

Elasticita

Nested logit

-0,48

Logit

-0,56

Linear demand OLS

-0,75

Linear demand OLS Linear demand OLS Linear demand OLS Linear demand OLS Discrete choice Translog utility function Multinomial logit Multinomial logit

-0,35/ -0,40 -0,35/ -0,40

Nested logit

-0,15

-0,51 -0,53/ -0,80 -0,77 -0,74 -0,40 -0,63

Zdroj: Nijkamp a Pepping [1998]

Výsledkem analýz Nijkampa a Peppinga [1998] byly závěry, že rozdílné hodnoty poptávkových elasticit jsou způsobeny rozdílem mezi agregovanými, na empirických datech postavenými modely, a desagregovanými modely volby postavené na individuálních datech. Dalším významným faktorem, který vysvětluje rozdíly

147


v hodnotách elasticit, jsou předpoklady používaného modelu. Zdá se, že také to, která země je analyzována, počet zahrnutých konkurenčních druhů dopravy a druh posbíraných dat jsou důležité faktory pro velikost odhadů elasticit jízdného.

2.1.2.2 Efekty z rozsahu a nákladové funkce Odhady nákladových funkcí v dopravě se používají z více důvodů. Prvním je ten, že by tento výzkum měl přinést podklady pro politická rozhodování, ale i pro firmy samotné nebo pro analýzy dopadů na veřejné finance. Pokud jsou regulovány ceny, instituce, které regulaci provádí, potřebují odhady nákladů daných služeb. Proto je důležité nejen najít optimální ceny a optimální dotace pro veřejnou dopravu, ale také optimální hustotu dopravních spojení a optimální intervaly spojů. Analýza nákladů provozovatelů osobní dopravy byla vždy významnou oblastí ekonomie dopravy. Nejstarší články byly zaměřeny především na železniční dopravu a problém cen železniční dopravy. Pozdější rozvoj ekonometrie a počítačů umožnil odhadovat rozsáhlejší systémy pro měření efektů z rozsahu u železnice a později také u dalších druhů dopravy. Rozsáhlejší přehled rozvoje výzkumu odhadů náladových funkcí v dopravě během posledních 15 let podávají Oum a Waters [1996]. Efekty z rozsahu mohou být v dopravním sektoru rozlišeny do tří skupin. První jsou rostoucí výnosy z rozsahu (returns to scale, RTS), druhou pak rostoucí výnosy z hustoty (returns to density, RTD) a třetí rostoucí výnosy z více činností (returns to scope). Rozdíly mezi těmito efekty popisují například Jara-Díaz et al. [2001] nebo JaraDíaz a Basso [2003]. Rostoucí výnosy z rozsahu měří změnu v průměrných nákladech provozovatelů dopravy, když se mění výstup (měřený osobo-km), a zároveň délka dopravní sítě zůstává konstantní. Efekty z hustoty popisují dopady na průměrné náklady provozovatelů dopravy, pokud se změní jak objem dopravy, tak i dopravní síť. Efekty z více činností (returns to scope) existují, pokud je levnější poskytovat jeden nebo dva výstupy společně v jedné firmě, ne odděleně ve více firmách. V dopravním sektoru to znamená, že tento efekt nastane, pokud se například nevyplatí oddělit osobní dopravu od nákladní dopravy, charterovou dopravu od pravidelné linkové dopravy nebo lehkou nákladní dopravu od těžké nákladní dopravy. Pro analýzu efektů z rozsahu v městské hromadné dopravě je významná práce Herberta Mohringa z počátku 70. let minulého století [Mohring 1972]. Tento autor ukazuje dopady rostoucích výnosů z rozsahu v hromadné dopravě. Tzv. Mohringův efekt spočívá v tom, že pokud se zvýší frekvence spojů, dojde k poklesu času čekání na spoj a zvýší se poptávka po hromadné dopravě v daném území, což povede k dalšímu nárůstu frekvence spojů. Tak přítomnost dodatečného pasažéra hromadné dopravy zvyšuje pravděpodobnost, že budou poskytnuty dodatečné spoje. Rostoucí efekty z rozsahu popsal Mohring na případu městské autobusové dopravy. Efekty z rozsahu se však mohou projevit i dalšími způsoby: • více autobusových linek znamená kratší čekací dobu, • pokud jsou autobusové linky hustší, každá linka může ušetřit cestovní čas díky případným přímějším trasám,

148


• •

více autobusů na každé lince znamená kratší čekací dobu na autobusových zastávkách, když poptávka roste, mohou jezdit větší autobusy, což sníží náklady operátorů na každou cestu.

Mohringův efekt se dále může projevit i u dalších druhů dopravy, pokud u nich existuje pravidelný jízdní řád, především u železniční nebo letecké dopravy. Někteří dopravci proto berou při optimalizaci svých služeb Mohringův efekt v úvahu (např. švédské železnice, více viz projekt UNITE). Jak ve svém článku ukazují Socorro a Betancor [2006], Mohringův efekt také ovlivňuje velikost společenských dopadů environmentální regulace, a to tak, že snižuje negativní dopad úsilí zaměřeného na snižování emisí na frekvenci dopravy. Jinými slovy, nástroje zaměřené na snížení environmentálních dopadů z dopravy se projeví také nižší frekvencí spojů. Mohringův efekt však tento dopad oslabí. Autoři ukazují, že při dostatečné velikosti trhu je společensky optimální míra frekvence vyšší než frekvence spojů, kterou nabízí provozovatel hromadné dopravy. Toto má významné konsekvence pro optimální míru environmentálního zdanění. Autoři ukazují, že nejlepší ze zkoumaných nástrojů regulace jsou environmentální daně, dále pak technologické standardy a až třetí jsou environmentální dotace (tj. dotace na snižování znečištění z dopravy). Jak argumentují Proost a Van Dender [2001], při stanovení optimálních cen dopravy v městských oblastech je důležité vzít Mohringův efekt v úvahu, ale je kvantitativně méně důležitý než např. negativní externality a využití výnosů. Pro Českou republiku odhadli nákladové funkce městské hromadné dopravy Foltýnová a Brůha [2006]. Tyto odhady jsou provedeny na panelových datech 19 českých měst sdružených v Asociaci dopravních podniků ČR pro období 1997 až 2004. Autoři odhadli elasticitu průměrných nákladů provozovatelů MHD vzhledem k průměrným nákladům práce, elasticitu průměrných nákladů provozovatelů MHD vzhledem k nákladům na pohonné hmoty a dále parametr efektu z rozsahu (pokud je menší než 0, odpovídá rostoucím výnosům z rozsahu, pokud roven nebo menší nule, odpovídá rostoucím výnosům z rozsahu). Výsledky jsou poměrně homogenní pro všechna města s výjimkou Ostravy. Pokud je toto město zahrnuto do odhadů, má signifikantní dopad na parametry nákladové funkce. Proto byla Ostrava z panelu vynechána a odhadnuta zvlášť. Parametr efektů z rozsahu je pozitivní (což naznačuje klesající výnosy z rozsahu), ale nesignifikantní. Výsledky jsou shrnuty v následující tabulce zvlášť pro model s fixním efektem a model s náhodným efektem. Tabulka 2.1.21: Výsledky odhadů nákladové funkce pro 19 podniků MHD v ČR Fixed effect model

Random Effect model

Proměnná

Koeficient

t-statistika

p-hodnota

Koeficient

t-statistika

p-hodnota

S ohledem na cenu paliva

0,302

3,431

0,0008

0,302

3,419

0,0008

S ohledem na výši mezd

0,462

3,966

0,0001

0,463

3,951

0,0001

Efekt z rozsahu

0,089

0,499

0,6185

0,089

0,497

0,6197

Zdroj: Foltýnová a Brůha [2006]

149


Z výsledků vyplývá, že se odhady koeficientů nákladové funkce příliš neliší s použitou metodou odhadu. Ukazuje se významný vliv mezd na výši průměrných nákladů provozovatelů hromadné dopravy a jen o málo nižší vliv ceny paliva.

2.1.2.3 Shrnutí Odhady elasticit jízdného byly provedeny především pro západoevropské země. Jejich hodnota se pohybuje v průměru mezi -0,4 až -0,9. Méně elastických hodnot nabývají elasticity pro MHD, naopak více elastická je meziměstská doprava. Ekonomické analýzy městské dopravy se zaměřují především na efekty z rozsahu. Ty můžeme rozdělit na rostoucí výnosy z rozsahu (returns to scale, RTS), rostoucí výnosy z hustoty (returns to density, RTD) a rostoucí výnosy z více činností (returns to scope). V zahraniční literatuře často analyzovaný Mohringův efekt (nazvaný podle práce dopravního ekonoma Herberta Mohringa z roku 1972) souvisí s efektem rostoucích výnosů z rozsahu a říká, že vyšší poptávka po hromadné dopravě v daném území vede ke snížení průměrných společenských nákladů veřejné dopravy, protože mohou být nasazena větší vozidla nebo se může zvýšit frekvence spojů nebo být hustší dopravní síť. Tento jev pak ospravedlňuje dodatečné dotace do hromadné dopravy, pokud vedou k rozšíření nabídky služeb. Mohringův efekt empiricky testovala řada zahraničních výzkumníků, jejich závěr však není jednoznačný. Většina studií potvrdila přítomnost Mohringova efektu, avšak s rozdílnou mírou jeho významnosti. Obvykle se ukazuje, že je kvantitativně méně důležitý než negativní externality a to, jak jsou využity tržby dopravních podniků. Mohringův efekt pro Českou republiku testovali pouze Foltýnová a Brůha [2006] při odhadech nákladových funkcí provozovatelů 19 podniků městské hromadné dopravy. Zjistili, že existují naopak klesající výnosy z rozsahu u těchto firem, ale výsledek je statisticky nesignifikantní.

150


2.1.3 EXTERNÍ NÁKLADY Z DOPRAVY A JEJICH KVANTIFIKACE Do našeho modelu hodnocení efektivity nástrojů regulace, který budeme vytvářet v rámci aktivity 2.5 tohoto projektu, vstupují data týkající se externalit v dopravě. Z tohoto důvodu věnujeme v rešerši jednu kapitolu tomuto tématu. Nejprve se zaměříme teoreticky na problematiku externalit v dopravě a jejich kvantifikaci a zvlášť se podíváme na odhady hodnoty cestovního času v literatuře zahraniční i domácí.

2.1.3.1 Teorie externalit v dopravě V literatuře existuje velké množství definic externích nákladů. I když základní koncept externalit je teoreticky jednoduchý, různí autoři ve svých definicích zdůrazňují různé aspekty tohoto fenoménu a jejich definice se tedy liší. Například definici zaměřenou na otázky tržních selhání jako důvod pro určitou intervenci uvádí Nash [1997]: „Externality jsou obecně popisovány jako dopady na užitek, náklady nebo produkční funkci jednoho ekonomického subjektu díky proměnným pod kontrolou jiného ekonomického subjektu, přičemž takový efekt není předmětem tržní transakce“. Samuelson a Nordhaus [1989] definují externality populárnější formou: „Externalita neboli efekt přelévání nastává, když výroba nebo spotřeba způsobuje nedobrovolné náklady nebo přínosy jiným, tj. náklady nebo přínosy jsou přenášeny na jiné, aniž ti, kdo náklady způsobují, nebo ti, kdo přínosy získávají, za to platí. Přesněji, externalita je dopad chování jednoho ekonomického subjektu na blahobyt jiného subjektu, přičemž tento dopad se neodráží v dolarech nebo tržních transakcích.“ Ve výše uvedené definici autorů populární učebnice ekonomie, Samuelsona a Nordhause [1989], jsou rozlišeny dvě základní kategorie externalit: pozitivní a negativní. Tedy jedná-li se o způsobování nedobrovolných nákladů jiným subjektům, mluvíme o externalitách negativních, a jde-li o vznik nezamýšlených užitků (přínosů) jiným subjektům, potom hovoříme o pozitivních externalitách. Z uvedené definice vyplývá ještě další členění externalit: na externality výrobní a spotřební. Výrobní externalita vzniká, vznikají-li externí efekty při produkci statků a služeb. Naopak spotřební externalita je spojena se spotřebou těchto statků a služeb. V případě výrobních externalit lze uvést například emise způsobené zplodinami vzniklými při výrobě elektrické energie v uhelných elektrárnách. Příkladem spotřební externality s významným dopadem na životní prostředí je celá skupina externích efektů způsobovaných individuální automobilovou dopravou, tedy “spotřebou dopravy” jednotlivci (znečištění ovzduší, hluk, nehody a další). Někdy se lze setkat též s pojmem mezigenerační externalita. Tento pojem je úzce spojen s mezigenerační spravedlností. Předpokládá se, že jestliže současná generace nepředává generaci následující menší množství přírodního bohatství („přírodního kapitálu“), než sama aktuálně užívá, způsobuje jí mezigenerační externalitu. Podle některých autorů [např. Pearce 1996] by žádná generace neměla znehodnocovat své

151


životní prostředí („spotřebovávat svůj kapitál“) a škody by měly být budoucím generacím kompenzovány. Zvláště v oblasti životního prostředí je významné i prostorové rozlišení externích efektů. Uvažovat lze o externích efektech lokálních, celostátních či mezinárodních až globálních. Např. spalování pohonných hmot může díky emisím CO2 a dalších plynů přispívat k tzv. skleníkovému efektu, tedy ke globální změně klimatu. Řada jiných emisí, mimo jiné PM, mají naopak dopady lokální (na zdraví, materiály a povrchy budov apod.). Ekonomická teorie rozlišuje dva základní přístupy k řešení externalit: soukromé a veřejné. Soukromé řešení je spojeno hlavně s prací H. R. Coase. Podstatu jeho myšlenky shrnuje tzv. Coaseho teorém51: "…v systému s nulovými transakčními náklady, které standardní ekonomická teorie předpokládá, povede smlouvání mezi jednotlivými stranami k uzavření takových dohod, které budou maximalizovat bohatství, a to bez ohledu na počáteční rozdělení vlastnických práv…" [Jonáš a kol. 1994]. Citovaný přístup vyžaduje podmínku dokonale konkurenčních trhů pro svoji funkčnost. Mezi podmínky dokonalé konkurence patří především existence mnoha subjektů na straně nabídky i poptávky, absence externalit, dokonalé informace o cenách a kvalitě oprávnění jednotlivých účastníků tržních transakcí a nulové transakční náklady. Pro řešení problému externalit je nejdůležitější podmínka nulových transakčních nákladů. Zastánci soukromého řešení externalit pomocí vyjednávání apelují právě na snahu o snížení (lépe řečeno minimalizaci) transakčních nákladů. Umožnila by se tak svobodná směna vlastnických práv (proto tedy není v definici přikládán význam počátečnímu rozdělení vlastnických práv) a tím by docházelo k častějším kompenzacím nároků mezi jednotlivými subjekty. Došlo by tak ke snížení potřeby státních zásahů při řešení externalit, tedy tzv. veřejného řešení. Pod pojmem “veřejné řešení” se má na mysli především přibližování soukromých nákladů nákladům společenským pomocí tzv. pigouovských daní (viz. kapitola 5 „Teorie optimálního zdanění“). Jde o mechanismus zvyšování nákladů na činnost ekonomického subjektu, která produkuje negativní externalitu. To bude motivovat ekonomický subjekt k omezení takové činnosti.

2.1.3.2 Pozitivní externality z dopravy Častou námitkou při hodnocení externích nákladů z dopravy je, že doprava má i významné pozitivní efekty a je zavádějící neuvádět je na opačné straně bilance externích nákladů [Rothengatter 1994]. Doprava obecně má skutečně celou řadu přínosů, většina těchto přínosů je však „individualizována“ (tj. společenské přínosy jsou rovny přínosům individuálním, na rozdíl od společenských nákladů, které jsou u dopravy vyšší než individuální náklady), nejedná se tedy o klasické pozitivní externality, ale o přebytek spotřebitele (např. úspora cestovního času, větší komfort cestování u kvalitnější dopravní infrastruktury atd.). Někteří autoři však argumentují, že existují značné externí přínosy z dopravy, které jsou výzkumem všeobecně přehlíženy. Zejména německy mluvící autoři zdůrazňují ústřední roli externích přínosů v ekonomice dopravy [viz například Willeke 1994 51

Označení "Coaseho teorém" pochází od Stiglera z jeho článku v Yale Law Journal z roku 1989.

152


in: OECD 1994]. Rothengatter [1994] cituje Willekeho52 výčet možných pozitivních externalit v dopravě: • rozšíření konzumních vzorců a zlepšení životního standardu; • rozvoj nových prostorových vzorců, decentralizace výroby, oddělení lokalit bydlení a zaměstnání, specializace využití půdy nebo rozšíření pracovních trhů; • podnícení růstu a strukturálních změn, individualizace a růst flexibility logistiky nákladní dopravy připravující půdu pro změnu průmyslové dělby práce a interakce, nastavení nových standardů jako například dodávky „právě včas“ (just in time); • inovace využitím silničních vozidel, synergických procesů mezi odvětvími, prostorové ekonomie a dopravy. Rothengatter [1994] dále cituje D. Straßenliga [1992]53 a doplňuje výčet potenciálních pozitivních externalit v dopravě o následující: • značný nárůst flexibility a inovací vytvářející novou kvalitu služby dopravy a posilující ekonomiku v rámci mezinárodní konkurence; • snížení nákladů na balení, zpracování a logistiku; • velmi kvalitní regionální distribuce spotřebního zboží; • zlepšení v lokalizaci kvality, což se zdá být extrémně důležité pro zemi s vysokou kvalitou produkce a náklady; • pozitivní efekty na zaměstnanost v periferních regionech bez přístupu k železnici. Naproti tomu výzkum univerzity v Basileji54 přišel pouze s těmito možnými externími přínosy dopravy: • • •

přínosy z pozorování vozidel; přínosy z tvorby informací pro komunikační průmysl; přínosy pro silniční pohotovostní vozidla.

52

Willeke, R. (1991) „Soziale nutzen des kraftfarhrzeugverkehrs“. Schriftenreihe der DVWG, B 139, 4960. a Willeke, R. (1992) „Benefits of different transport modes“. CEMT, Paper Round Table 92. 53 Deutsche Straßenlig (1992) „Straße, Verkehr und Wirtschaft 54 Centre for Economic Research of the University of Basel (1992). Internalisierung externer Kosten im Agglomerationsverkehr. Eine Internationale Übersicht. Verf.: Frey, R. and Langloh, P.M. WWZ-Studie 38, Basel.

153


Graf 2.1.1: Interní a externí přínosy dopravy Společenské přínosy dopravy (i t í t í) Interní přínosy (přínosy dopravy pro uživatele) příklady: úspory času zlepšení kvality snížení dopravních

Externí přínosy (přínosy vně dopravního systému) příklady: úspory času zlepšení kvality snížení dopravních

Peněžní externí přínosy (přínosy zpracované trhem) Nižší náklady v dopravě vedou k: rozvoji trhu práce rozvoji trhu produktů přílivu investic zlepšení image a důvěry zpřístupnění země snížené náklady nemocnic

Technologické externí přínosy (efekty nezpracované trhem) příklad: méně utrpení díky rychlejší zdravotnické záchranné službě může zachránit životy nebo vést k méně závažným následkům (hodnocení na základě hodnoty

•

Dle ECMT (2001:42)

Rothengatter [1994] po analýze dospívá k názoru, že efekty v prvních dvou výčtech se týkají „přebytků výrobců a spotřebitelů a interakcí, které jsou přínosné pro zainteresované strany a v dlouhém horizontu internalizované, i když ne okamžitě prostřednictvím trhu“. Zbývají tedy externí přínosy pro pohotovostní služby (přičemž pohotovostní služby využité při dopravních nehodách se přičítají jim), které jsou v celkovém objemu marginální. Spektrum názorů na téma externí přínosy z dopravy je nověji shrnuto v ECMT [2001]. Převládá ovšem názor, že „...většina významných externích přínosů dopravních aktivit je, v dlouhém období, internalizována firmami a jednotlivci nebo automaticky zpracována v tržních interakcích mezi původcem externího přínosu a subjektem, u kterého došlo ke zvýšení užitku. Většina externích přínosů tedy nemá charakter technologické externality a neospravedlňuje státní intervenci.“ [ECMT 1998]. Pozitivní technologické externality Ekonomická geografie se externalitami zabývá z poněkud jiného úhlu. Zajímají ji především pozitivní technologické externality. Jde o technologická zlepšení, ze kterých těží nejenom firmy, které zlepšení vymyslely a zavedly, ale z důvodu nemožnosti jeho utajení též ostatní firmy. Výskyt takových pozitivních externalit může vést ke geografické koncetraci průmyslu do rozvinutých oblastí a vznik periferních, nerozvinutých oblastí. 154


Krugman [1991]55 pomocí jednoduchého formálního modelu ilustruje, že i peněžní externality mohou mít význam v této geografické koncentraci, resp. že vzhledem k jejich uchopitelnosti v modelu mají větší význam, než pozitivní technologické externality. Pomocí modelu hledá odpověď na otázku proč, a kdy dochází ke koncentraci výroby v několika regionech, zatímco ostatní regiony zůstávají relativně nerozvinuté. Z pohledu ekonomické geografie jsou externality zajímavé jako faktory vedoucí k lokalizaci průmyslových odvětví. Prvním důvodem pro lokalizaci je to, že koncentrace několika firem na jednom místě umožňuje vznik širokého trhu práce pro pracovníky se specifickými dovednostmi, což zajišťuje nízkou pravděpodobnost nezaměstnanosti a nedostatku pracovních sil. Druhým důvodem je větší možnost výroby specializovaných meziproduktů a třetím důvodem je synergie získaná sdílením informací více firmami (information spillover). I když peněžní externality v případě ekonomie všeobecné rovnováhy nemají vliv na blahobyt, Krugman [1991] vychází z toho, že vznik lokalizačních vzorců centrum-periferie je někdy způsoben právě jimi. Argumentuje, že v případě nedokonalé konkurence a rostoucích výnosů z rozsahu mají peněžní externality reálný efekt jako technologické externality. Pragmatičtějším motivem pro zdůrazňování peněžních externalit je to, že je lze lépe postihnout ve formálním modelu (tento motiv mu vyčítají Martin a Sunley 1996), než „neviditelné“ technologické externality. Tento model vychází z poznání sil vedoucích ke koncetraci v 19. století – z toho mimo jiné pramení přehlížení technologických externalit jako hybné síly integrace. Pro ilustraci svých argumentů buduje Krugman [1991] jednoduchý model. V dané zemi jsou dvě odvětví: zemědělství a výroba. Zemědělství je charakterizováno konstantními výnosy z rozsahu a intenzivním využíváním imobilní půdy. Geografická distribuce zemědělské produkce je proto závislá na distribuci vhodné půdy. Naproti tomu pro výrobu jsou charakteristické rostoucí výnosy z rozsahu a minimální využívání půdy. Kvůli rostoucím výnosům bude výroba umístěna pouze na omezeném počtu míst. Ceteris paribus budou preferována místa s velkou poptávkou kvůli minimalizaci dopravních nákladů a ostatní lokality budou obsluhovány z těchto center. Otázkou je, kde bude velká poptávka. Část jí přijde ze zemědělství – kdyby to byla většina, distribuce výroby by kopírovala distribuci zemědělské půdy. Ovšem část poptávky po výrobcích přijde z výrobního sektoru samotného. Vzniká tak možnost pozitivní zpětné vazby, tendence výroby ke koncentraci v oblastech velkých trhů, přičemž velké trhy budou tam, kde se bude koncentrovat výroba. Bude též pravděpodobně výhodnější žít a pracovat blízko center výroby, protože tam budou nižší ceny výrobků. Krugman [1991] tento tradiční model formalizuje. Výsledkem modelu je důkaz o vlivu dopravních nákladů na podobu prostorové distribuce výroby. V ekonomice charakterizované vysokými dopravními náklady, malým podílem výroby nebo malými výnosy z rozsahu bude rozmístění výroby determinováno rozmístěním zemědělců. S nižšími dopravními náklady, větším podílem výroby nebo vyššími výnosy z rozsahu přijde ke slovu pozitivní zpětná vazba a výroba se bude koncentrovat tam, kde budou lepší výchozí podmínky. Krugman [1991] vidí hlavní přínos tohoto modelu v tom, že nemusí spoléhat na „prchavé“, neuchopitelné technologické externality a může lokalizační problém řešit s využitím peněžních 55

Krugerovo dílo je velmi rozsáhlé. Navíc, jak píší Martin a Sunley [1996] „…Krugmanova tendence neustále revidovat a dokonce zamítat dřívější myšlenky činí úkol zhodnotit [jeho dílo] podobný stopování pohyblivého cíle.“

155


externalit vycházejícím z přitažlivosti prodávání a nakupování v regionu, ve kterém se koncentrují ostatní výrobci. Není ani zapotřebí činit arbitrární rozhodnutí o územním rozsahu technologických externalit. Vzdálenost totiž do modelu vstupuje implicitně v podobě dopravních nákladů. V Krugmanově pojetí tedy ve světě nedokonalých trhů rostoucích výnosů z rozsahu je rozlišování mezi peněžními a technologickými externalitami zavádějící. Obě kategorie mají reálné efekty na blahobyt. Píše: „I kdyby úspory z rozsahu byly pro firmy interní, interní úspory při výrobě meziproduktů se mohou projevit jako externí úspory pro firmy, které je nakupují.“56 Klíčovou myšlenkou je, že interní úspory z rozsahu tím, že zvyšují motivaci firem ke koncentraci, zintenzivňují tendenci ke geografické koncentraci produkce. V národohospodářském kontextu vidí Krugman všechny formy mezinárodní ekonomické integrace jako v zásadě pozitivní. Například specializace díky obchodu zvyšuje efektivitu světové ekonomiky a je přínosem pro všechny obchodující národy. Krugman ale také vidí to, že existence významných externalit a nekonstantních výnosů může znamenat, že nárůst obchodu a integrace může mít negativní efekty ve smyslu nerovnoměrné distribuce přínosů mezi regiony. Druhým typem negativních efektů jsou náklady přizpůsobení. Přesun kapitálu a pracovní síly do jiného typu průmyslu může znamenat pro společnost značné náklady. Pokud tyto náklady jsou ve formě např. nezaměstnanosti, navrhuje Krugman nepostupovat příliš rychle. V práci Krugmana je zřejmé napětí mezi pozitivním hodnocením obchodu a integrace obecně a vědomím možných negativních následků. Ve vztahu k evropské integraci povede odstranění bariér obchodu a pohybu kapitálu a pracovní síly k přílivu kapitálu do periferních regionů s nízkými mzdami (doprovázený zvýšením konkurenceschopnosti). Tento pohyb však bude vyvážen další koncentrací průmyslu a zaměstnanosti v jádrových regionech s vysokými platy. Důvodem je to, že tyto oblasti mají největší trhy, rozvinuté pozitivní externality a infrastrukturu a komparativní výhodu ve smyslu relativní dostupnosti. „Aktivní“ obchodní politika může mít pro státy podle Krugmana a dalších výhody oproti volnému obchodu ve dvou směrech. Pokud se podaří státu podpořit monopolní pozici domácího faktorů výroby v průmyslu na mezinárodní scéně, může cílená průmyslová politika v principu zvýšit příjem země na úkor zahraničí. Zadruhé, cílení může zvýšit příjem v takových odvětvích, kde zdroje vložené firmami zvyšují příjmy ostatních firem – kde tedy existují pozitivní externality. Krugman byl původně skeptický k cílené průmyslové politice zdůvodněné externalitami, ovšem to se týkalo technologických externalit. Při přesunu pozornosti na peněžní externality mohou mít průmyslové politiky význam. Podle nejnovějšího pohledu průmyslové politiky jsou regionální a lokální clustery považovány za ospravedlnění intervencí, přičemž cílem těchto intervencí by mělo být podporování místních externalit. Podle Martina a Sunleye [1996] Krugman implicitně považuje za jediné ospravedlnitelné intervence v průmyslu regionální politiky. Podobný názor lze nalézt v Porterově57 hlavní práci o komparativní výhodě. Místní a ekonomické rozvojové politiky jsou chápány jako hlavní nástroje podpory národní průmyslové konkurenceschopnosti.58 56

Krugman [1981: 151]. Citováno v Martin and Sunley [1996] Porter [1990] „The competitive advantage of nations“ – citováno v Martin and Sunley [1996] 58 Porter [1994] „The role of location in competition“ – citováno v Martin and Sunley [1996] 57

156


2.1.3.3 Kvantifikace externalit Vzhledem k tomu, že externality neprochází trhem, nemají tyto náklady tržní hodnotu. Pokud chceme vyjádřit jejich výši, je proto třeba použít některou z metod netržního oceňování. Netržní oceňovací metody můžeme rozdělit na metody postavené na nákladech (náklady zabránění a náklady na obnovu) a na metody postavené na škodách. Náklady na obnovu zahrnují náklady, které je třeba vynaložit na eliminaci negativních dopadů způsobených určitou aktivitou. Náklady zabránění jsou náklady, které musí být vynaloženy, aby se vzniku určité škody předešlo. Metody postavené na škodách přímo oceňují rozsah škody způsobený určitou aktivitou. K tomuto se využívá tzv. funkce „dávka-odpověď“ (dose-response function). Poté, co je znám rozsah škod, dochází k jejímu peněžnímu vyjádření. Toto se děje např. pomocí tzv. „ochoty platit“ (willingness-to-pay) za určitou službu. Při aplikaci metody ochoty platit je třeba rozlišit demonstrované preference, tj. ty, které lidé deklarují třeba v dotazníku (metoda ochoty platit často využívá kontingentní oceňování), a projevené preference. Projevené preference se vyjadřují konkrétním chováním jednotlivých subjektů. U metody projevených preferencí se při oceňování vychází buď přímo z tržních cen statků a služeb, nebo nepřímo s využitím hedonického oceňování a metody cestovních nákladů. Vzhledem k tomu, že v dopravě jsou znečišťující zdroje ne stacionární jako u výroby energie či produkce tepla, ale mobilní, výpočty externích nákladů se obvykle vztahují k vybraným dopravním liniím. Tedy kvantifikuje se výše externích nákladů vzniklých projíždějícími vozidly po určitém úseku dopravní linie za určitou dobu. Následující dvě tabulky zachycují odhady výše externích nákladů z osobní a nákladní dopravy v České republice počítané s využitím tzv. UWM modelu (Uniform World Model). Tabulka 2.1.22: Odhad výše externích nákladů osobní dopravy v ČR v roce 2001

g SO2/osobokm

Železnice (motorová trakce) 0.02

Městská doprava (autobusy) 0.02

Meziměstská doprava (autobusy) 0.02

Osobní automobily 0.03

g NOx/osobokm

0.73

0.58

0.84

0.50

g PM/osobokm

0.05

0.03

0.05

0.00

SO2 €c/osobokm

0.03

0.02

0.03

0.04

NOx €c/osobokm

0.98

0.78

1.13

0.68

PM €c/osobokm

0.10

0.06

0.10

0.01

Celkem €c/osobokm

1.10

0.86

1.26

0.73

Celkem Kč/osobokm

0.35

0.27

0.40

0.23

Zdroj: Foltýnová, Melichar [2003]

Další studií, která se zabývala odhady výše externích nákladů v ČR, je studie INFRAS a HERRY pro OECD z roku 2002 [OECD 2002] věnovaná odhadům externích

157


nákladů ve státech střední a východní Evropy. Studie zachycuje celkové a jednotkové externí náklady pro 25 států. Externality jsou kvantifikovány pro hodnoty roku 1995. Tabulka 2.1.23: Celkové externí náklady dopravy v ČR pro rok 1995 (v mld. Kč) Druh škody

Automobil

Autobus

Motocykly

Osobní silniční

Železnice

Celkem osobní

Nehody

60,91

2,21

42,79

105,90

0,58

106,49

Hluk

2,42

0,26

0,78

3,46

0,86

4,31

Znečištění ovzduší

6,10

4,22

0,59

10,90

4,81

15,71

Klimatická změna

1,32

0,14

0,13

1,59

0,15

1,74

Příroda

1,39

0,18

0,11

1,68

0,14

1,82

Celkem

72,14

7,00

44,40

123,54

6,54

130,07

Zdroj: OECD [2002]

Následující tabulka shrnuje průměrné externí náklady jednotlivých druhů dopravy, jak je uvádí zmíněná studie. Tabulka 2.1.24: Průměrné externí náklady dopravy v ČR pro rok 1995 (v Kč na 1.000 osobokm) Druh škody

Automobil

Autobus

Motocykly

Osobní silniční celkem

Železniční

Nehody

1242,30

60,60

9053,64

1172,61

72,72

Hluk

48,48

6,06

163,62

39,39

106,05

Znečištění ovzduší

124,23

115,14

124,23

121,20

599,94

Klimatická změna

27,27

3,03

27,27

18,18

18,18

Příroda

27,27

6,06

24,24

18,18

18,18

Celkem

1469,55

190,89

9393,00

1369,56

815,07

Zdroj: OECD [2002]

2.1.3.4 Hodnota času Pro kvantifikaci nákladů dopravy je významným faktorem čas a jeho hodnota. Existuje velká řada studií na odhady hodnoty času. Ty obvykle vychází z pozorování, že cestující jsou ochotni utratit peníze, aby ušetřili čas. Odhady hodnoty času se nejčastěji používají pro analýzy efektů změn rychlosti dopravy na dopravní chování a také pro odhady společenských přínosů úspor cestovního času při kalkulacích u investic do dopravních projektů. Kvantifikace času se liší podle toho, zda se jedná o čas cestovní, čas čekání na spoj, čas strávený přesedáním atd. Vzhledem k tomu, že hodnota času (která se nejčastěji stanovuje metodou ochoty platit nebo ochoty akceptovat) je výrazně subjektivní, ovlivňují ji také další faktory související s přepravou konkrétním dopravním prostředkem (např. čistota dopravního prostředku, možnost sednutí si v dopravním prostředku, prostor zastávky, očekávané kongesce, vnímaná bezpečnost a jiné). Z tohoto důvodu se obvykle

158


používají rozdílné hodnoty času pro různé dopravní prostředky. Dalším faktorem ovlivňujícím hodnotu času je dále účel cesty a příjem. Můžeme rozlišit následující komponenty cestovního času (SPECTRUM, D6, p. 26): • čas strávený v dopravním prostředku • čas přístupu (nástup a výstup z dopravního prostředku) • čas chůze k dopravnímu prostředku • čas strávený čekáním na dopravní prostředek • čas strávený přesedáním • zpoždění (odchylka od očekávaného trvání cesty) • skrytý čekací čas (jde o časový rozdíl mezi žádoucím a skutečným časem opuštění určitého místa, např. domova nebo práce, dochází k němu pouze v případě, že spoje jsou velmi řídké, [Holmberg 1977]) • čas strávený hledáním parkovacího místa • časové ztráty v důsledku kongescí a nespolehlivosti. V anglicky psané literatuře se často vyčleňuje zvlášť čas intervalu (headway), což je čas strávený čekáním na dopravní prostředek (většinou polovina časového intervalu mezi spoji), ale může být také interpretovaný jako čas zpoždění. Headway může být takto stanoven pro všechny uživatele všech druhů dopravy, kdežto čas strávený čekáním zahrnuje pouze uživatele hromadné dopravy. Pro kvantifikaci hodnoty času se používají jak projevené preference (RP, revealed preferences), tak kontingentní hodnocení (CV, contingent valuation) získané ochotou platit (WTP, willingness to pay) nebo ochotou akceptovat (WTA, willingness to accept)59. V poslední době převažuje použití metody CV, která se stala široce akceptovaná pro kvantifikaci hodnoty času. Jak však ukazuje Wardman [2001 a 1998], výsledky výzkumů ve Velké Británii získané hodnotou CV jsou mírně nižší než hodnoty získané RP. Hodnota času stráveného v dopravním prostředku v pracovní době (tedy ne dojíždění a cesty ve volném čase) se obvykle vyjadřuje jako hodnota hrubé mzdy plus další náklady na práci, jako jsou sociální a důchodové pojištění a další (mzdové) náklady zaměstnavatele – tzv. náklady zdrojů (resource costs). Je to z toho důvodu, že čas pracovníka strávený v dopravním prostředku mohl být využit efektivněji. Pokud bychom chtěli přesně vyjádřit hodnotu času u každého cestujícího, museli bychom získat velmi desagregovaná data. Ta však obvykle nejsou k dispozici. Může se proto použít postup vytvořit více skupin dle příjmu s využitím průměrného příjmu pro každou skupinu. V tomto případě by však mělo být dostatečně testováno, zda navržené příjmové segmenty obyvatel skutečně odráží rozdíly v hodnotách cestovního času. Evropské studie na VOT Podívejme se nejprve na výsledky evropských výzkumných projektů věnovaných studiím hodnoty cestovního času. Jedním z největších byly jistě projekty UNITE a MC-ICAM.

59

Více k netržním metodám kvantifikace viz kapitola 4.3 „Kvantifikace externalit“.

159


Výstupy projektu UNITE z roku 2003 naznačují následující závěry [UNITE D7 a D15 2003]: • z empirických dat vyplývá, že hodnota úspor cestovního času u dojíždění je vyšší než pro ostatní soukromé účely. Nicméně zdá se, že tento rozdíl v moderních společnostech stále klesá; • většina výsledků hodnoty času stráveného v dopravním prostředku vztažených k cestování v urbánních oblastech dosahuje hodnot okolo 50 % průměrné mzdy za daný čas; • výsledky studií ve Velké Británii, Švédku a Norsku ukazují, že hodnoty úspor cestovního času jsou výrazně vyšší pro meziměstskou než pro městskou dopravu. Dále hodnoty úspor cestovního času pro cesty letadlem jsou výrazně vyšší než u jiných druhů dopravních prostředků; • existuje evidence ukazující, že složky cestovního času vztažené k dopravnímu prostředku, jako je čas čekání a přesedání, jsou ceněny výše než cestovní čas. Rozdíly v hodnotách jsou vztaženy k nabídkovým faktorům. (Evropské projekty UNITE a MC-ICAM navrhují faktor 1,5 pro zpoždění a kongesce a faktor 1,6 pro čas čekání a přesedání.); • pohodlí cestování, např. dispozice míst k sezení nebo přítomnost kongescí, ovlivňuje hodnotu cestovního času; • hodnota časových úspor narůstá s příjmem, ale pomaleji než proporcionálně. Tabulka 2.1.25: Hodnoty cestovního času pro osobní dopravu z projektů UNITE a MC-ICAM (hodnota osobo-hodiny v EURO, hodnoty pro rok 1998) *

Osobní doprava

UNITE , EURO/hod.

MC-ICAM, EURO/hod.

Pracovní

Dojíždění

Ostatní účely

Pracovní

Dojíždění

Ostatní účely

Auto město

21,00

6,00

4,00

21,00

6,00

4,00

MHD

21,00

6,00

4,00

21,00

6,00

4,00

21,00

7,00

5,00

21,00

6,00

4,00

21,00

6,00

4,00

Auto, meziměsto Autobus Vlak

21,00

6,40

4,70

21,00

6,50

5,00

Letadlo

28,50

10,00

10,00

29,00

10,00

10,00

Pozn.: * Projekt UNITE nerozlišuje mezi městskou a meziměstskou hodnotou pro automobil Zdroj: MC-ICAM, D3 [2003]

UNITE a MC-ICAM doporučují také národní hodnoty času. Přepočet je odvozen od parity kupní síly. Výsledky ukazuje následující tabulka.

160


Tabulka 2.1.26: Národní hodnoty času Země

HDP/obyv. v € 1998 PPP

Koeficient pro transfer

UNITE/MC-ICAM

22 150

1,000

Rakousko

23 900

1,079

Belgie

23 677

1,069

Dánsko

25 459

1,149

Finsko

21 833

0,986

Francie

21 132

0,954

Německo

23 010

1,039

Řecko

14 171

0,640

Irsko

23 194

1,047

Itálie

21 531

0,972

Lucembursko

37 491

1,693

Nizozemí

24 141

1,090

Norsko

27 391

1,237

Portugalsko

15 891

0,717

Španělsko

17 223

0,778

Švédsko

21 799

0,984

Švýcarsko

27 091

1,223

Velká Británie

21 673

0,979

Maďarsko

10 470

0,473

Estonsko

9 193

0,415

Zdroj: MC-ICAM, D3 [2003]

Z národních studií je nejrozsáhlejší evidence ve Velké Británii, kde se kvantifikaci hodnoty času věnoval především Wardman [1998, 2001] z Univerzity of Leeds analyzoval a shrnul přes stovku britských studií hodnoty času. Shrnutí hodnoty času stráveného v dopravním prostředku ukazuje následující tabulka. Rozdílné hodnoty také vychází pro rozdílné elasticity používané pro stanovení rozdílu v hodnotách reálného HDP na hlavu. Department of Transport navrhuje hodnotu příjmové elasticity jedna, zatímco jiné návrhy doporučují hodnotu příjmové elasticity 0,5 v závislosti na mezisektorových srovnáních britských studií hodnoty času z posledních 20 let.

161


Tabulka 2.1.27: Elasticity poptávky po jednotlivých typech dopravy ve Velké Británii

Kontext

Městské dojíždění

Doprava ve volném čase, město

Služební cesty, město

Ostatní cesty, město

Meziměstské dojíždění

Meziměstská, volný čas

Meziměstská, služební cesty

Meziměstská, ostatní

Mód

Důchodová elasticita = 1,0 Průměr €/hod.

Důchodová elasticita = 0,5 Průměr €/hod.

Vzorek

Auto

5,8

5,3

64

Autobus

4,0

3,6

17

Vlak

6,9

6,0

17

Metro

8,8

7,9

5

Auto

6,2

5,6

73

Autobus

2,5

2,3

22

Vlak

6,2

5,5

14

Metro

7,0

6,2

16

Auto

12,7

11,2

11

Vlak, metro

18,4

17,1

8

Auto

6,1

5,6

84

Autobus

3,1

2,8

27

Ostatní

6,1

5,3

29

Auto

10,1

9,6

11

Vlak

12,1

11,0

21

Ostatní

8,7

7,4

9

Auto

8,8

7,9

23

Vlak

12,8

11,5

44

Letecká

74,1

71,2

4

Metro

11,2

9,6

8

Auto

17,6

16,9

16

Vlak (1. třída)

30,9 (50,2)

28,1 (44,2)

34 (17)

Letecká

86,6

79,1

12

Auto

7,1

7,1

10

Vlak

16,9

14,7

18

Ostatní

8,3

7,3

15

Zdroj: Wardman [2001]

Wardmanovy výsledky se blíží hodnotám doporučeným projekty UNITE a MCICAM, ačkoli jsou jeho výsledky odvozeny modelováním s využitím několika metod ze závěrů různých studií získaných během dlouhého časového období. Nejvíce se liší úzké hodnoty pro autobus a vysoké pro leteckou dopravu. Wardmanovy závěry jsou následující: • meziměstské cesty mají vyšší hodnoty než městské, • služební cesty mají vyšší hodnotu cestovního času než cesty za jiným účelem (spíše zaměstnancova než zaměstnavatelova hodnota ochoty platit), • u cest ve městě má dojíždění vyšší hodnotu než cesty ve volném čase u všech dopravních prostředků s výjimkou automobilu, • pro meziměstské cesty je tento rozdíl pouze malý, 162


• • •

hodnota času se výrazně mění podle použitého dopravního prostředku, u cest po městě má metro nejvyšší hodnotu cestovního času, získané hodnoty naznačují, že uživatelé vlaku mají vyšší hodnoty cestovního času než uživatelé automobilu, zvláště u meziměstských cest, ačkoli zde může být efekt vzdálenosti, protože meziměstské cesty vlakem jsou delší než meziměstské cesty automobilem.

Wardman [2001] se také zaměřil na hodnotu dalších časových komponentů, jako je čas čekání na dopravní prostředek a další. Většina těchto hodnot vychází z výzkumů vyjádřených preferencí (SP), které mohou být o něco nižší než projevené preference (RP). Tyto hodnoty zachycuje následující tabulka. Tabulka 2.1.28: Faktory času stráveného ve vozidle k času čekání a docházky Kontext

Druh dopravy

Účel

Čekací čas Střední hodnota

Vzorek

Střední hodnota

Vzorek

Vše

Všechny

Vše

1,76

62

1,68

183

Dojíždění

1,37

29

Volný čas

1,74

25

1,55

34

Dojíždění

1,67

10

Volný čas

1,66

13

2,02

13

1,99

29

Vše Auto

2,06

1

Čas docházky

30

Ostatní Vše Městská

Bus

1,59

11

Ostatní Vše Ostatní

Meziměstská

Vše

1,17

2

11

Dojíždění Volný čas

1,97

9

Ostatní

1,37

8

1,51

13

Vše

1,70

10

1

Park and Ride Metro Zdroj: Wardman [2001] 2

Z těchto výsledků můžeme shrnout následující: • cestující metrem mají relativně nízkou hodnotu času čekání; • u meziměstské dopravy je čas docházky relativně méně důležitý u delších cest. Zajímavé výsledky získal Wardman pro hodnotu headway (čas intervalu), tato hodnota je méně než poloviční oproti hodnotě času čekání na dopravní prostředek. Z toho plyne, že lidé používají jízdní řády a plánují si své cesty dopředu. Dále se zdá, že pro časté a známé cesty, jako je např. dojíždění, je headway méně důležitá než u méně častých cest. Toto může být způsobeno pocitem jistoty cestujících, že cestu rutinně znají a nic se na této cestě neudá neočekávaného. Headway faktor je větší pro cesty městské a 163


pro meziměstské cesty je nižší než faktor pro čas strávený čekáním na dopravní prostředek. Zemí, která má nejvíce studií a velmi podrobně zpracované metodiky vztahující se k oceňování, je Velká Británie. Tak například britské ministerstvo dopravy Department for Transport [2004] navrhlo agregované hodnoty cestovního času pro pracovní cesty v rozdělení podle použitého dopravního prostředku. Tyto hodnoty zachycuje následující tabulka. Tabulka 2.1.29: Hodnota cestovního času pro pracovní cesty (v librách za hodinu, ceny a hodnoty pro rok 2002) Vozidlo

Náklady zdrojů

Vnímané náklady

Tržní cena

Řidič automobilu

21,86

21,86

26,43

Pasažér automobilu

15,66

15,66

18,94

Velké nákladní vozidlo (řidič nebo pasažér)

8,42

8,42

10,18

Ostatní nákladní vozidla (řidič nebo pasažér)

8,42

8,42

10,18

Sportovní užitkové vozidlo – řidič

8,42

8,42

10,18

Sportovní užitkové vozidlo – pasažér

16,72

16,72

20,22

Řidič taxi

8,08

8,08

9,77

Pasažér taxi

36,97

36,97

44,69

Pasažér vlaku

30,57

30,57

36,96

Pasažér metra

29,74

29,74

35,95

Chodec

24,51

24,51

29,64

Cyklista

14,06

14,06

17,00

Motocyklista

19,78

19,78

23,91

Průměr všech pracujících osob

22,11

22,11

26,73

Zdroj: TAG, unit 3.5.6

Dále se podíváme na hodnotu času u dojíždění a u cest ve volném čase. Ochota platit se podstatně mění v závislosti na řadě faktorů, mimo jiné: • příjem cestujícího, • účel a urgentnost cesty, • pohodlí a atraktivita samotné cesty. Department for Transport [2004] dále navrhl agregované hodnoty cestovního času pro cesty ve volném čase dle účelu cesty. Hodnoty vychází ze studie zpracované Institute for Transport Studies pro Department for Transport (DfT) v roce 2003 a publikované jako Values of Travel Time Saving in the UK. Tyto hodnoty zachycuje následující tabulka.

164


Tabulka 2.1.30: Hodnoty cestovního času pro pracovní cesty (libry/hod., ceny a hodnoty r. 2002) Účel

Náklady zdrojů

Vnímané náklady

Tržní cena

Dojíždění do práce

4,17

5,04

5,04

Ostatní

3,68

4,46

4,46


Hodnota nepracovního času narůstá s důchodem s důchodovou elasticitou 0,8. Odhady pro hodnotu pracovního času předpokládají její nárůst s důchodovou elasticitou 1. Z posledních dvou tabulek je patrný velmi podstatný rozdíl hodnoty času pro pracovní a nepracovní cesty. Je to z toho důvodu, že pracovní cesty vykonávané v pracovní době představují pro zaměstnavatele náklad, který vychází z délky času strávené v dopravním prostředku. DfT dále doplňuje data o rozložení cest v pracovním a nepracovním čase, která vycházejí z Národního dopravního výzkumu v letech 1999 – 2001. Slouží jako doplnění k hodnotám času dle účelu cesty a je rozděleno dle cestovní vzdálenosti. Více následující tabulka. Tabulka 2.1.31: Rozložení cest v pracovním a nepracovním čase Typ vozidla a účel cesty

Pracovní dny (v hod.) 7 – 10

10 - 16

16 - 19

19 - 7

Průměr

Průměr víkend

Průměr celý týden

5,5

3,6

6,5

1,7

5,0

% cest vozidlem Auto Pracovní

6,8

8,3

Dojíždění

40,6

11,6

32,3

26,4

25,4

9,1

20,3

Ostatní

52,7

80,1

62,2

70,0

68,1

89,3

74,7

88,0

88,0

88,0

88,0

88,0

88,0

88,0

12,0

12,0

12,0

12,0

12,0

12,0

12,0

Nákladní vozidlo Práce Ne-práce (dojíždění a ostatní)

% cest na osobu Auto Pracovní

5,2

2,2

4,1

1,2

4,7

1,1

3,4

Dojíždění

33,3

15,6

25,8

10,9

20,0

6,4

15,2

Ostatní

61,5

82,2

70,1

87,9

75,3

92,5

81,4

SUV Pracovní

1,5

1,2

1,8

2,6

1,5

1,0

1,4

Dojíždění

41,7

10,6

43,0

47,4

26,9

12,4

24,3

Ostatní

56,8

88,2

55,2

50,0

71,5

86,6

74,3

Vlak

165

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR Pracovní

6,7

13,6

6,7

8,8

8,3

2,8

7,6

Dojíždění

71,7

14,9

68,0

60,4

58,2

11,1

52,2

Ostatní

21,6

71,5

25,4

30,8

33,5

86,1

40,3

Pracovní

2,8

0,7

3,3

5,3

2,4

1,2

2,2

Dojíždění

83,0

10,8

70,7

23,7

48,2

21,7

43,8

Ostatní

14,2

88,5

26,0

71,1

49,4

77,1

54,0

Příměstský vlak


S využitím rozložení cest, jejich vzdáleností a dalších dat byla spočítána tržní hodnota cestovního času na průměrné vozidlo. Britský národní průměr hodnoty cestovního času na vozidlo je 11,28 liber/hod. Detailnější výsledky zachycuje následující tabulka. Tabulka 2.1.32: Tržní hodnota cestovního času pro jedno vozidlo podle cestovní vzdálenosti (v librách/hod, ceny a hodnoty roku 2002) Typ vozidla a účel cesty

Pracovní dny (v hod.) 7 – 10

10 - 16

16 - 19

19 - 7

Průměr

Průměr víkend

Průměr celý týden

Pracovní

30,74

30,00

29,61

29,81

30,18

31,68

30,18

Dojíždění

5,84

5,79

5,69

5,69

5,74

5,74

5,74

Ostatní

7,58

7,89

8,08

7,86

7,90

8,74

8,21

Průměr

10,97

12,05

9,90

9,77

10,88

9,22

10,46

12,22

12,22

12,22

12,22

12,22

12,83

12,22

6,70

6,70

6,70

6,70

6,70

9,31

7,29

11,55

11,55

11,55

11,55

11,55

12,41

11,63

19,80

15,11

19,80

24,24

18,57

13,88

17,33

Auto

Nákladní vozidlo Práce Ne-práce (dojíždění a ostatní) Průměr SUV Pracovní Dojíždění

18,45

6,83

22,50

23,43

15,68

3,94

12,61

Ostatní

35,97

47,28

32,38

30,58

38,69

50,06

41,68

Celkem

74,21

69,22

74,68

78,28

72,93

67,87

71,62

Zdroj: TAG unit 3.5.6

Autoři některých studií [Mackie, Jara-Diaz a Fowkes 2001 a Bruzelius 2002] navrhují, aby úspory cestovního času za prací byly oceňovány na základě nákladů zaměstnavatele. Tedy základem by měla být hrubá mzda plus fixní náklady spojené s prací. V Evropě, kde jsou poměrně vysoké příspěvky zaměstnavatelů, se dále obvykle doporučuje použít po hodnotu cestovního času za účelem pracovním 100 % platby 166


zaměstnavatele (tj. 100 % mzdy včetně ostatních osobních nákladů zaměstnavatele), zatímco např. v USA je to 100 % mzdy zaměstnance. Jak ukazuje Graham a Glaister [2004], hodnota času na kilometr pro průměrného řidiče vozidla vzrostla z přibližně 50 % vyvolaných nákladů řízení na vozo-km v roce 1960 na 65 % v roce 2000. Hodnota času může být relativně důležitější pro řidiče automobilu dnes než v minulosti, protože tato položka roste rychleji než mnoho jiných komponent vyvolaných nákladů. Mimoevropské studie VOT Kanadský Victoria Transport Policy Institute [VTPI 2003] popisuje následující faktory, které ovlivňují hodnotu cestovního času: • náklady cestovního času zahrnují různé kvalitativní atributy cestování jako jsou pohodlí, bezpečnost a prestiž, • hodnota cestovního času osoby je obvykle oceňována ve výši jedné čtvrtiny až jedné poloviny převažující mzdové sazby, • náklady na minutu se zvyšují u delších cest (více než 20 minut) u pravidelného dojíždění, • náklady cestovního času jsou vyšší při řízení v podmínkách kongescí a pro pasažéry při podmínkách nepohodlí, • náklady cestovního času narůstají u neočekávaných zpoždění, • některý cestovní čas má malé náklady nebo dokonce pozitivní hodnotu, pokud si lidé cestování samo o sobě užívají, např. řízení nebo výletní cesty vlakem atd., • za příznivých podmínek může mít pozitivní hodnotu chůze a cyklistika, ale za nepříznivých nebo nebezpečných podmínek (např. chůze podíl frekventované komunikace nebo čekání na spoj v extrémně nepříznivém a nebezpečném prostředí), má čas strávený chůzí, cyklistickou nebo čekáním na spoj náklady 2x nebo 3x vyšší než čas strávený cestováním, • náklady cestovního času rostou s příjmem a jsou nižší u dětí a lidí v důchodu nebo nezaměstnaných (lidé pracující na plný úvazek mají větší poptávku po čase, a proto jsou obvykle ochotni zaplatit více za úspory cestovního času), • výši hodnoty cestovního času ovlivňují také preference. Někteří lidé přisuzují větší hodnotu času strávenému řízení a nízké náklady času strávenému jako pasažér, zatímco jiné lidé mají opačné preference. Kanadské ministerstvo dopravy a dálnic doporučuje následující hodnoty cestovního času, jak je zachycuje tabulka 2.1.33.

167


Tabulka 2.1.33: Hodnoty cestovního času doporučené kanadským ministerstvem dopravy, hodnoty roku 1992 v procentech mzdy Kategorie

Hodnota cestovního času

Řidič osobního vozidla

50 %

Dospělý pasažér auta nebo autobusu

35 %

Dítě mladší 16 let

25 %

Řidič osobního vozidla s komerčním účelem cesty

Mzda + vedlejší mzdy

Pozn.: Kongesce zvyšují náklady cestovního času řidičů podle sazby úrovně služeb (Level of Service, LOS), tedy pro úroveň zácpy LOS D: 1,33x, LOS E: 1,67x a LOS F: 2x. Zdroj: VTPI [2003]

Department of Transport (DoT) v USA používá následující hodnoty času – 74 % mzdy pro čas strávený v dopravním prostředku a faktor 1,9 pro cestovní čas strávený mimo dopravní prostředek na hodnotu času v dopravním prostředku. Doporučené hodnoty úspor cestovního času zobrazuje následující tabulka. Tabulka 2.1.34: Doporučené hodnoty úspor cestovního času stanovené DOT (% procentech mzdy) Pozemní doprava

Letecká doprava

Místní cesty Soukromé

50 % (35 – 60 %)

Pracovní

100 % (80 – 120 %)

Meziměstské cesty Soukromé

70 % (60 – 90 %)

70 % (60 – 90 %)

Pracovní

100 % (80 – 120 %)

100 % (80 – 120 %)

Pozn.: Hodnoty platí pro čas strávený v dopravním prostředku. Čas přístupu, chůze a čekání by měly být oceněny 100 % hodnotou mzdy. Hodnoty v závorkách indikují rozmezí pro použití citlivostní analýzy. Zdroj: VTPI [2003]

České hodnoty VOT Ministerstvo dopravy ČR (dále jen "ministerstvo") vydává po projednání se Státním fondem dopravní infrastruktury prováděcí pokyny, kterými se stanoví jednotný postup Ředitelství silnic a dálnic ČR (dále jen "ŘSD ČR") při zabezpečení vyhodnocení ekonomické efektivnosti u dálničních a silničních staveb. Toto vyhodnocení je součástí investičního záměru akce (projektu) vypracovávaného ŘSD ČR (investorem) a předkládaného ministerstvu a je součástí zdůvodnění nezbytnosti dané stavební akce a vyhodnocení její efektivnosti - konkrétně části, týkající se průkazu efektivnosti u akcí na pozemních komunikacích (bod 9 vzoru Investičního záměru zpracovaného Ministerstvem dopravy jako příloha "Postupu při předkládání a schvalování investičních záměrů" vydaného dne 26.2.2002 ve vazbě na § 4 odst.(1) vyhlášky č. 40/2001 Sb., o účasti státního rozpočtu na financování programů reprodukce majetku). Podle materiálu „Základní data pro výpočty ekonomické efektivnosti silničních a dálničních staveb v investičních záměrech v ČR s použitím programu HDM-4 s kalibrovanými daty“

168


(CSHS "Český systém hodnocení silnic"), příloha C [viz dosahuje http://www.rsd.cz/rsd/rsd.nsf/0/D795E8881160BAE5C1256E230048EF83], ocenění času cestujících v ČR průměrné hodnoty 116,- Kč/hod. Přesné hodnoty času s rozlišením typu cest a druhu dopravních prostředků však v České republice dosud nebyly odhadnuty a podle našich znalostí se tomuto tématu nikdo nevěnuje. Centrum pro otázky životního prostředí UK v Praze plánuje se této problematice věnovat v příštích letech.

169


2.1.4 TEORIE OPTIMÁLNÍHO ZDANĚNÍ Teorie optimálního zdanění je užitečná část ekonomie, která má řadu aplikací v různých oblastech včetně environmentální regulace a regulace dopravy. Dnes klasický případ analýzy environmentální regulace pomocí teorie optimálního zdanění představují pigouviánské daně. Pigouviánské daně jsou definovány jako rozdíl mezi soukromými a společenskými náklady [Bovenberg a Goulder 2002]. Takové daně motivují spotřebitele a výrobce, aby vzali do úvahy nejen soukromé náklady, ale také společenské náklady (resp. přínosy, pokud budeme uvažovat pigouviánské podpory pro aktivity s pozitivními externalitami). Pigouviánské daně jsou daně teoreticky ideální, avšak jejich zavedení je v reálném světě obtížné. Proto se v praxi setkáme s daněmi z prodeje, výroby či spotřeby produktů nebo služeb, které jsou spojeny s negativním environmentálním dopadem. Teorie optimálního zdanění však odhalila ještě jinou – a svým způsobem důležitější – konceptuální slabinu pigouviánských daní. Touto slabinou je to, že pigouviánská analýza ignoruje jiný důležitý motiv zdanění – získání prostředků pro veřejné příjmy. Fungování pigouviánských daní se nezmění, bude-li jejich výnos vrácen do ekonomiky jako „lump-sum“ platby (plošné platby ve stejné výši pro všechny), nebo budou-li utraceny na veřejné statky, nebo dokonce pokud by vláda tento výnos „spálila“. Zhruba ve stejné době, kdy A. C. Pigou [1920] koncipoval optimální daně na internalizaci externích nákladů, jiný významný ekonom F. Ramsey zkoumal podobu daňového systému60, jež způsobí co nejméně distorzí a generuje exogenně stanovené příjmy. Navrhl daňový systém v podobě, do které zahrnul všechno zboží při nižší daňové sazbě (jako opak zdanění pouze vybraného zboží vysokou daňovou sazbou), a ukázal, že tento systém je optimální v případě, že poptávka po jednotlivém zboží má stejnou cenovou elasticitu [Ramsey 1927]. V případě, kdy se elasticita poptávky po jednotlivém zboží liší, rozhoduje při stanovování výše daňové sazby velikost této elasticity – u zboží s neelastickou poptávkou by měla být aplikována vyšší sazba, zatímco u zboží s elastickou poptávkou nižší daňová sazba. Ramseyho teorie optimálního zdanění abstrahuje od existence externalit. Oba tyto přístupy – Pigouův i Ramseyův – měly významný dopad na daňovou teorii. Z prací těchto autorů vyšlo mnoho jiných studií, které posunuly poznání v této oblasti významným způsobem dopředu. Překvapivě však trvalo poměrně dlouho, než se objevila práce, jež se zaměřila na analýzu obou problémů zároveň: jak by měl vypadat optimální daňový systém (tj. takový, který způsobí co nejméně distorzí), za předpokladu existence externích efektů a nemožnosti použití nedistorzních daní61. Touto první prací byla „pionýrská“ práce Sandmova [1975], která však na nějaký čas nevyvolala 60

I když teoreticky existují daně, které distorzní efekt nemají (jedná se např. o „daň z hlavy“ nebo „daň z půdy“, příp. jednotnou daň na všechny statky a služby, která tudíž nemění relativní ceny), v praxi je těžké tyto daně zavést, a to díky jejich horší akceptovatelnosti veřejností nebo díky tomu, že některé statky a služby nelze zdanit (učebnicovým příkladem takovéhoto statku bývá např. volný čas). Ramsey vyšel z předpokladu, že přítomnost distorzních daní je nevyhnutelná. 61 Pokud Pigouviánské daně zajistí dostatečné přínosy veřejných rozpočtů, je řešení triviální: zavést pouze Pigouviánské daně. My budeme dále v textu předpokládat, že tomu tak není.

170


významnější ohlas. Sandmovým závěrem bylo, že společenské škody, generované zbožím produkujícím externality, vstupují do zdanění dodatečně pro dané zboží, přičemž neovlivňují zdanění neznečišťujícího zboží (additively property). Oživení zájmu o tuto problematiku nastalo až na konci 80. let v souvislosti s ekologickou daňovou reformou62. Tito autoři však šli jiným směrem, než Sandmo. Jak bylo poznamenáno výše, v souvislosti s environmentální regulací se od 80. let 20. století rozvinula mezi ekonomy diskuse o vzájemných interakcích mezi distorzním zdaněním (daně z příjmu, daně z práce, daně z prodeje) a optimální environmentální politikou. Diskuse vyvrcholila v 90. letech příspěvky Bovenberga a de Mooije [1994], Bovenberga a van der Ploega [1994a, 1994b], Gouldera [1995a, 1995b] a Bovenberga [1999]. Tito autoři rozvinuli koncept hypotézy dvojí dividendy (double dividend hypothesis), který se vztahuje k environmentálním a ekonomickým dopadům environmentální regulace. Hypotéza dvojí dividendy spočívá v tom, že výnosově neutrální substituce distorzních daní určených ke zvyšování výnosů environmentálními daněmi může mít dva přínosy. První přínos (dividendu) představuje zlepšení životního prostředí a druhým přínosem (dividendou) je snížení distorzí daňového systému. Snížení distorzí daňového systému však má řadu interpretací. L. H. Goulder [1995] s ohledem na distorze rozlišil u hypotézy dvojí dividendy její silnou a slabou formu. Slabá forma hypotézy dvojí dividendy říká, že zvýšení společenského blahobytu z daňové reformy, ve které jsou environmentální daně použity ke snižování distorzních daní, je větší než z daňové reformy, kde jsou environmentální daně vráceny jako lumpsum platby a výnosy tedy nejsou recyklovány ke snížení distorzních daní. Zatímco slabá forma teorie dvojí dividendy se setkává všeobecně se souhlasem, silná forma dvojí dividendy je již kontroverzní. Tvrdí totiž, že EDR nejen sníží zatížení životního prostředí, ale bude mít také čisté ekonomické přínosy. Mechanismus je takový, že ekologická daňová reforma nahradí vysoce distorzí daň (daň z práce nebo kapitálu) méně distorzní ekologickou daní, a je tudíž všeobecně dobrá z hlediska společenského blahobytu. Jak však vyplývá z ramseyovské analýzy optimálního daňového systému, je nepravděpodobné, že selektivní daň (např. daň z energií) by byla méně distorzní než daň z práce nebo univerzální daň z obratu (DPH s jednotnou sazbou). Z tohoto důvodu je řada ekonomů skeptická k platnosti silné formy hypotézy dvojí dividendy. Je však třeba zdůraznit, že pokud není původní daňový systém nastaven optimálně (z hlediska ramseyovské teorie optimálního zdanění), může EDR vést ke snížení daňové distorze a tudíž k silné dvojí dividendě63. Jak však dodává Bovenberg a de Mooij [1994], i v případě, že neexistuje silná dvojí dividenda, může EDR vést k významným zlepšením efektivnosti díky korekci externích nákladů, pokud jsou sazby environmentálních daní nastaveny na přiměřené úrovni. 62

Ekologická daňová reforma přestavuje nástroj environmentální regulace, který nabízí environmentální ekonomie. Koncept ekologické daňové reformy navrhuje zavedení nových ekologicky motivovaných daní na produkty a výrobu nepříznivou životnímu prostředí („bads“), tj. na fosilní paliva (uhlí, ropu, zemní plyn), na spotřebu vody a vybrané suroviny (zejména takové, které v procesu dobývání, zpracování nebo spotřeby poškozují životní prostředí), a na výrobky, které neúměrně zatěžují životní prostředí. Současně se zaváděním daní k ochraně životního prostředí má dojít ke snížení distorzních daní. 63 Jak ukázaly některé studie, je toto relevantní zejména pro případ nedokonalostí na trhu práce, které nejsou řešeny jinými – nedaňovými – nástroji, viz např. Kostela a Schob [1999].

171


Podívejme se blíže, jak hypotéza dvojí dividendy funguje v druhém nejlepším světě. Náklady zavedení EDR ve světě, kde již existují distorzní daně, můžeme rozlišit do tří složek. První z nich jsou primární náklady (primary costs), tj. přímé náklady, které nese regulovaný sektor a které jsou spojeny se snižováním znečištění tím, že se změní produkční postupy nebo budou nainstalována zařízení zabraňující znečištění. Druhou složku představují náklady recyklace výnosů (costs of revenue-recycling effect). Jde o to, že výnosy z ekologických daní nahradí výnosy distorzních daní, tj. sníží náklady mrtvé váhy těchto daní. Tato složka tedy snižuje celkové náklady reformy. Třetí složku tvoří náklady spojené s efektem daňových interakcí (costs of tax-interaction effect). Efekt daňových interakcí je způsoben takto: v míře, ve které environmentální daně zvyšují náklady znečišťovatelů, zvyšují i ceny zboží. To však snižuje reálné výnosy výrobních faktorů (např. platby nominální mzdy). Pokud již existují v ekonomice daně na výrobní faktory, environmentální daně vedou k nárůstu daní z těchto faktorů, v čemž jsou zahrnuty původní distorze na trhu výrobních faktorů. Pro názornost uvedeme příklad s uhlím. Zavedení environmentální regulace způsobí nárůst ceny uhlí. Vyšší cena uhlí zvýší ceny zboží, v jehož výrobě se využívá uhlí. Díky vyšším cenám určitých statků a služeb se nakonec zvýší náklady domácností, takže reálná mzda domácností poklesne. V druhém nejlepším světě tedy hned dva efekty komplikují analýzu efektivity environmentální regulace – efekt recyklace daňových výnosů snižuje náklady této regulace oproti situaci v prvním nejlepším světě, přičemž efekt daňových interakcí působí opačně. Abychom získali silnou dvojí dividendu, efekt z recyklace výnosů musí převážit primární náklady a náklady daňových interakcí. Efekt daňových interakcí takto distorzně nepůsobí pouze na trh práce, ale i na trh zboží a služeb, což se projevuje distorzemi ve výběru mezi alternativními komoditami. Jak argumentuje Goulder [1995], distorze na trhu zboží a trhu práce jsou spojeny a přispívají ke snížení neenvironmentální složky společenského blahobytu. V míře, v jaké environmentálně motivovaná daň na zboží nutí domácnosti k substitucím zdaněného zboží jiným zbožím, se snižují hrubé výnosy daně (do výnosů nejsou započteny výnosy v podobě lepšího životního prostředí). Tento efekt, nazývaný eroze daňového základu, omezuje rozsah, ve kterém může environmentální daň financovat snížení daně z práce a zvyšuje hrubé náklady daňových změn. Efekt eroze daňového základu je sice částí obecnějšího efektu daňových interakcí, bývá však častým argumentem některých odpůrců EDR (snížení daňových výnosů v důsledku snížení poptávaného množství zdaněných výrobků a služeb), proto jej zde explicitně zmiňujeme. Výsledky ekonomických modelů ukazují, že za neutrálních podmínek (tj. environmentální daň je uvalena na aktivitu, která je průměrná s ohledem na její substituovatelnost s volným časem) není efekt recyklace výnosů dostatečně silný, aby převážil a vedl k nastolení silné dvojí dividendy. Ovšem, jak shrnují studie Gouldera [1995, 2000] a další, efekt silné dvojí dividendy se může projevit za určitých okolností, kterými jsou: Znečišťující zboží je relativně slabý substitut volného času. Jak ukázali ve svém známém článku autoři Bovenberg a de Mooij [1994], v případě, že znečišťující zboží (na které je uvalena environmentální daň) je slabší substitut volného času než zboží „čisté“, ztráty z efektu daňové interakce budou menší a možnost, že nastane dvojí dividenda, se takto zvýší. Z pohledu dvojí dividendy je nejefektivnější, pokud jsou znečišťující zboží a volný čas komplementy, v případě silných substitutů je tomu naopak. Efekt daňových

172


interakcí v tomto případě závisí na křížové cenové elasticitě mezi volným časem a znečišťujícím zbožím. To, že se nejedná pouze o teoretickou možnost, ukázali West a Williams [2004]. Tito autoři na základě ekonometrického výzkumu chování domácností v USA dospěli k závěru, že poptávka po pohonných hmotách je komplementem k volnočasovým aktivitám. Z toho vyplývá, že pohonné hmoty je žádoucí zdanit více, než odpovídá pigouviánské dani, poněvadž zdanění pohonných hmot má menší společenské náklady než „běžná“ daň. Existuje neefektivní zdanění více produkčních faktorů. V modelech se dvěma a více produkčními faktory se ukazuje, že k silné dvojí dividendě dochází, pokud jeden z výrobních faktorů je relativně ke druhému „přezdaněn“ (overtaxed) ve smyslu efektivnosti. K silné dividendě poté dojde, pokud budou výnosy ekologických daní použity na snížení daňové zátěže „přezdaněného“ zboží. Pokud naopak by tyto výnosy byly použity na snížení zdanění „podzdaněného“ zboží, nemusí dojít ani ke slabé dividendě. Příkladem může být existence odpočitatelných položek: například úroky z hypotéky je možno odečítat ze základu daně, což vyvolává distorze na trhu kapitálu. Snížení sazby daně z práce v rámci EDR však snižuje nepřímou dotaci favorizovaného zboží a zvyšuje tak efekt z recyklace výnosů, což může při určitém rozsahu vést k dvojí dividendě. Naopak, pokud by dodatečné příjmy byly použity na rozšíření výjimek ze zdanění, ekologická daňová reforma by daňové distorze prohloubila64. Existují environmentální zpětné vazby. Zlepšení životního prostředí díky EDR může zpětně působit na trh práce a kapitálu. Může například vést ke zlepšení lidského zdraví a produktivity, což povede k rozšíření nabídky práce a zvýšení efektivity na trhu práce. Shrneme-li výše řečené, můžeme říci, že k silné dvojí dividendě dochází v druhém nejlepším světě tehdy, pokud je stávající daňový systém z ekonomického pohledu neefektivní, výnosově-neutrální EDR tuto neefektivitu snižuje a tato ekonomická neefektivnost převyšuje náklady spojené se zavedením daně. V druhém nejlepším světě již nemusí být výše environmentálního zdanění rovna mezním společenským nákladům, MSC (tedy sazbám v prvním nejlepším světě nebo-li pigouviánské dani). O tom, zda má být tato sazba ve druhém nejlepším světě vyšší nebo nižší, rozhodují relativní daňové distorze. Závěr již zmíněného článku Bovenberga a de Mooije [1994] byl, že optimální výše zdanění znečištění leží pod úrovní Pigouviánské daně, a to i když jsou výnosy z environmentálních daní využity ke snížení distorzního zdanění. Jak však ukazuje Metcalf [2003], je třeba rozlišit optimální cenu kvality životního prostředí ve druhém nejlepším světě a optimální úroveň kvality životního prostředí. Jeho kritika spočívá v tom, že i když je důležitá optimální sazba daně, stejně důležitý je vztah mezi úrovní daňových distorzí v ekonomice a míra environmentální kvality. Autor ukazuje s vyžitím analytického modelu všeobecné rovnováhy, že vládní potřeba po zvýšení výnosů, a tedy i sazeb distorzních daní, nemusí vést k nárůstu znečištění v důsledku poklesu Pigouviánského zdanění, ale naopak za určitých parametrů povede ke 64

Upozorňujeme však čtenáře, že zde – jako ostatně i jinde v textu – je uvažována pouze otázka efektivity. Teorie optimálního zdanění nemá moc co říci k jiným otázkám, jakými jsou např. rovnost. Z tohoto pohledu se může společnost rozhodnout k přijetí relativně neefektivnějšího systému, pokud je tím sledován jiný cíl.

173


snížení znečištění. Je tedy nutné zkoumat nejen výši optimálního zdanění, ale také jak se znečištění mění v důsledku změn potřeb distorzních daní. Poměrně elegantní řešení, jak se při tvorbě optimálního zdanění vyhnout složitým analýzám dopadů dvojí dividendy, přináší další, zatím málo zastoupený „proud“ prací. Jedná se především o práce Dixita [1985] a již výše zmíněného Sandma [1975]. Ten vychází z pravidla, že je možno rozlišit zboží, které produkuje externality a zdanit je, přičemž nedojde k ovlivnění optimálních daní uvalených na ostatní zboží. Dixit toto nazývá jako „princip cílení“ (principle of targeting). Toto by umožňovalo zdaňovat znečišťující zboží ad hoc zacílením vybraných komodit. Jak ukazuje Kopczuk [2003], tento princip je obecný. Tento autor tedy navrhuje následující postup: upravit externalitu přímo s využitím Pigouviánského zdanění na znečišťující komoditu, a poté najít optimální zdanění, přičemž externalita se bude ignorovat a brát v úvahu ceny upravené Pigouviánskou daní. Takto může být poměrně elegantně vyřešen problém druhého nejlepšího světa. Problémem však zůstává přesné stanovení výše externích nákladů (a tudíž i Pigouviánské daně). Podobný teoretický model jako Bovenberg a Ploeg [1994] vytvořili také Mayeres a Proost [1997]. Navíc do něj zahrnuli aspekty distribuce příjmů, když zahrnuli problém, který nazvali externality typu kongesce. Za externality typu kongesce považují externality, které ovlivňují spotřebitele a výrobce zároveň a které mají zpětný dopad na jejich rozhodování. Tito autoři podobně jako Sandmo [1975] využívají „aditivity property“ – možnost zvlášť vyčlenit a zdanit zboží produkující externality. Zavedení těchto daní vyvolá nutnost změnit všechny daně s tím, aby byla splněna rozpočtová omezení a opět optimalizována funkce společenského blahobytu, tj. u obou komponentů hrají roli distribuční dopady. Výši zdanění, kterou navrhují Mayeres a Proost [1997], můžeme rozdělit na část ramseyovskou a pigouviánskou. Ramseyovská část zdanění – vztažená ke generování výnosů – představuje tradeoff mezi efektivitou a rovností. Pokud jsou cenové křížové elasticity poptávky rovny nule, nastává následující situace. Předpokládejme, že vláda chce snížit nerovnost, a proto více podpoří méně příjmové skupiny obyvatel. Ramseyovská část daně bude nižší v případě, že citlivější poptávka po dopravě povede ke změnám ceny (efektivita) a pokud je doprava spotřebovávána proporcionálně více méně příjmovými skupinami obyvatel (rovnost). V obecnějším případě, kdy se křížová elasticita poptávky nerovná nule, je pro efektivitu nutné, aby daň byla vyšší u zboží, které je více komplementem volného času. Toto je důležitý faktor při zpoplatnění dopravy. Lidé cestují za různými účely. Obecně můžeme rozlišit cestování ve volném čase a pravidelné dojíždění. Jestliže je možné zdanit tyto cesty rozdílně, teorie doporučuje, aby byly zdaněny cesty konané ve volném čase, které jsou větším komplementem volného času, než je dojíždění za prací, které je komplementem lidské práce (více viz výše). Pigouviánská část daně se v tomto případě liší od Pigouviánské daně prvního nejlepšího světa v několika aspektech. Skládá se ze tří částí: • vážený průměr nákladů, které kongesce, environmentální dopady a bezpečnostní aspekty způsobují domácnostem, upravené o mezní náklady zdrojů • mezní společenské náklady, produkované firmami, které se vztahují ke kongescím, emisím a nehodám

174


•

efekt dopravních externalit na čisté vládní výnosy představuje ztrátu produkce spojenou s mezními nárůsty kongescí.

V modelu může vláda ovlivnit úroveň kongescí investicemi do dopravní infrastruktury. Závěr je, že vláda by měla poskytovat dodatečnou silniční infrastrukturu až do bodu, kdy jsou náklady dodatečné jednotky silniční infrastruktury rovny jejím přínosům. Nebo náklady narůstající silniční kapacity by měly být rovny přínosům snížených kongescí, což představuje čistou společenskou Pigouviánskou daň vztaženou na jednotku kongesce. Dále tito autoři ukazují, že meziprodukty, které nepřispívají ke kongescím, by neměly být zdaněny. Nicméně, zaměříme-li se na rozhodování o produkci, je třeba zdanit vstupy u zboží produkujícího externality. Toto zdanění je podobné čisté společenské Pigouviánské dani definované pro spotřebitelské zboží.

2.1.4.1 Optimální zdanění meziproduktů Pokud nás zajímá zdanění meziproduktů (významné pro dopravní sektor), vyjít bychom měli především ze známé práce Diamonda a Mirrleese [1971]. Tito autoři ukazují, že není žádný důvod pro zdanění meziproduktů (alespoň v konkurenční ekonomice s konstantními výnosy z rozsahu), protože, bez přítomnosti zisku, musí být zdanění meziproduktů reflektováno ve změnách cen finálních produktů. Proto by daňové výnosy mohly být vybírány zdaněním finálních produktů, což by nemělo příliš zvýšit ceny finálního zboží, a tudíž bychom se vyhnuli produkční neefektivitě. Tito autoři však nezahrnuli do své analýzy externí náklady, ani se nezabývali administrativními otázkami daně. Za rozšíření těchto závěrů – zahrnutí externalit – můžeme považovat již zmíněnou práci Bovenberga a Ploega [1994], jejichž závěry byly, že meziprodukty by neměly být zdaněny z důvodů generování výnosů, ale pouze z důvodů environmentálních. Mayeres a Proost [1997] pak zahrnuli do svého modelu externalit typu kongescí a příjmovou distribuci. Také oni ukazují, že zboží by nemělo být zdaněno ramseyovskými daněmi (za účelem generace výnosů do státních rozpočtů). (viz. výše) Závěr z těchto prací je, že by se neměla uvalovat ramseyovská daň na meziprodukty, alespoň pokud má produkce konstantní výnosy z rozsahu. Pokud však použijeme Ramsey-Boiteux model, ve kterém regulace nákladů služeb zavádí rozpočtová omezení na regulovanou firmu, jde již o rozdílný problém s rozdílnými závěry. Jak uvádí Boiteux [1971], větší přínosy přináší uvalení jednoho rozpočtového omezení na co nejširší rozsah veřejně provozovaných podniků jak je možné, než zacházení s nimi jako s oddělenými částmi. Společenská ztráta ze zpoplatnění nad mezní náklady je minimalizována, pokud jsou uživatelé zpoplatněni podle ochoty platit za služby jako celek. Je to z důvodu aplikace teorie optimálního zdanění pouze na segment ekonomiky. Borger [1997] zkoumal pravidla zpoplatnění u rozpočtově omezených a externality vytvářejících veřejných firem, které produkují jak finální statky, tak meziprodukty. Jeho výsledky jsou však mírně rozdílné od předchozích. Meziprodukty jsou také zdaňovány v ramseyovské tradici, tedy vstupy jsou zdaněny způsobem produkujícím výnosy.

175


2.1.4.2 Optimální zdanění dopravy v otevřené ekonomice Ačkoliv, jak je vidět z předchozích řádků, existuje řada studií věnovaných optimálnímu zdanění a regulaci externích nákladů, jen velmi málo se jich týká otevřené ekonomiky. Přitom dopravní proudy, a to zvláště u nákladní dopravy, jsou významně složeny také z mezinárodní dopravy a přepravy včetně tranzitu, což platí i pro zemi, jako je Česká republika. Studie, která se tomuto tématu věnuje (s důrazem na nákladní dopravu), je de Borger et al. [2003]. Jedním z dopadů mezinárodní dopravy jsou vyvolané časové ztráty mezinárodní dopravy a příspěvek ke globálnímu oteplování a kyselým dešťům, NOx a další. Např. Mayeres et al [1996] odhaduje, že dopady těkavých organických látek na troposférický ozon jsou více než 10krát vyšší než by byly pouze z národní dopravy. Tento efekt přelévání (neboli externalita) může vést země k podhodnocování lokálně produkovaných externalit, takže mohou být korekční daně na národní úrovni – z globálního pohledu – příliš nízké. Mezinárodní doprava dále vede k tomu, že daňový základ dopravních služeb je do určité míry mobilní mezi zeměmi, což může vést k neefektivní daňové konkurenci. Například snížení spotřební daně z paliv v malé otevřené ekonomice přiláká množství zahraničních vozidel, a proto přímo ovlivňuje i zahraniční sazby spotřebních daní. Pokud země ignorují tuto fiskální externalitu při tvorbě daňového systému, obvykle stanovují své sazby příliš nízko. Možnost rozdílného dopadu daní na národní a mezinárodní dopravu závisí na použitých daňových nástrojích (jiné možnosti dává spotřební daň a jiné kilometrické zpoplatnění), a dále na možnostech diskriminovat mezi domácí a mezinárodní dopravou na domácí dopravní infrastruktuře. Pokud existuje možnost diskriminovat tuto dopravu, dochází k exportu daní (tax exporting, tj. daňové zatížení nerezidentů, ať už v důsledku přímého zdanění nebo pomocí např. mezivládních transferů). Jak ukazuje de Borger at al. [2003] s využitím modelu částečné rovnováhy u nákladní dopravy, daňová konkurence v důsledku mobility daňového základu může zvýšit nebo snížit dopravu. Obvykle způsobuje nízké sazby daní v centrálně umístěných malých otevřených ekonomikách. Na druhou stranu export daní způsobuje vyšší sazby daní na dopravu v zemích s významným podílem mezinárodní nákladní dopravy a tranzitu. Pokud není možné daňově diskriminovat, kombinace daňové konkurence a daňového exportu vede k tomu, že optimální lokální daně mohou být jak velmi nízké, tak velmi vysoké, v závislosti na cenové elasticitě mezinárodních toků a úrovni přelévání externích nákladů na jiné regiony. Z tohoto také vyplývá nutnost koordinace daňových politik jednotlivých zemí. Podívejme se na výsledky modelů optimálního zdanění v urbánních oblastech pro vybraná města – case studies, u kterých bylo použito vždy jiné metodologie. První z nich podává Viton [1983], který kombinuje stylizovaný prostorový model nákladů městské dopravy s náhodným modelem užitku poptávky k analýze efektivního zpoplatnění. Celková poptávka po cestách během špiček je fixována a křížová cenová elasticita s poptávkou mimo špičku je nula. V obdobích mimo špičku je exogenně daná dělba dopravní práce. Dodatečný pasažér hromadné dopravy nezpůsobuje nárůst externích nákladů. Pro Bay Area a Pittsburg Viton zjišťuje, že optimální poplatky za dojíždění by

176


byly výrazně pod stávající sazbou (a jsou virtuálně nula), že doba čekání by se snížila a podíl hromadné dopravy na dojíždění by se zvýšil v některých případech až na 100 %. Podle Vitonova modelu můžeme výsledky vysvětlit nárůstem nákladů u automobilu v důsledku zpoplatnění a všeobecného snížení poklesu cen za cesty autobusem, nárůstu četnosti cest a hustší autobusové síti. De Borger a Wouters [1998] používají model belgického dopravního trhu v explicitním zastoupením relací mezi nabídkou hromadné dopravy na dojíždění ve vozokm, počet použitých vozidel a obsazenost. Autoři zjistili, že aby bylo dosaženo maximalizace blahobytu v prvním nejlepším světě, je třeba výrazně snížit ceny dojíždění a zvýšit nabídku. Při aplikaci modelu na Belgii autoři zjistili pokles cen o 61 % (ve špičkách) a o 84 % (mimo špičku). Nárůst nabídky pak o 13 % (špičky) a o 54 % (mimo špičky). Důvody pro tyto závěry jsou rostoucí výnosy z rozsahu hromadné dopravy, nízké mezní náklady na osobo-km mimo špičky a nižší problémy s kongescemi během špiček. Zvýšená atraktivita hromadné dopravy také implikuje nižší zvýšení optimálních nákladů za automobil než v případě bez rostoucích výnosů z rozsahu. Podíl autobusů by se zvýšil ze 3 % na 7 %. Další studie byla zpracována Winstonem a Shirley [1998]. V ní autoři hledají efektivní zdanění dopravy v několika amerických městech na úrovni mezních společenských nákladů pro automobily. Model předpokládá, že obsazenost vozidel veřejné dopravy je fixní. Pro automobily je zavedeno zpoplatnění kongesce, ale ne pro autobusy. Když je obsazenost konstantní, blahobyt se zvyšuje. Spotřebitelský přebytek na trhu dopravy je snížený, ale je více než kompenzovaný zvýšenými daňovými výnosy. Dotace hromadné dopravy jsou skoro eliminované a optimální podíl hromadné dopravy klesá. Přínosy jsou vyšší, když jsou vzaty v úvahu efekty z rozsahu, protože frekvence dopravních služeb je snížena, což zvyšuje bilanci veřejných rozpočtů sektoru. V optimální situaci, když jsou zavedeny zpoplatnění, frekvence optimalizovány, poplatek za autobusy by vzrostl 4x. Podíl autobusů by se snížil z 5 % na 1 %.

LITERATURA Berechman, Y. (1993): Public transit economics and deregulation policy. Elsevier Science Publishrs, North-Holland Bjørner, T. (1999): Demand for car ownership and car use in Denmark: a micro econometric model. International Journal of Transport Economics and Policy, Vol. 26, pp. 377-395 de Borger, B., Courcelle, C., Swysen, D. (2003): Optimal Pricing of Transport Externalities in a Federal System. Journal of Transport Economics and Policy, Vol. 37, Part 1, pp. 69-94 de Borger, B., Wouters, S. (1998): Transport externalities and optimal pricing and supply decisions in urban transportation: a simultation analysis for Belgium. Regional Science and Urban Economics, Vol. 28, pp. 163-197 Bovenberg, A.L. (1999): Green tax reforms and the double dividend: An updated reader's guide. International Tax and Public Finance 6, 421- 424.

177


Bovenberg L.A., Goulder L. (2002). Environmental Taxation and Regulation, kap. 23 in Handbook of Public Economics, Vol. 3, Edited by A.J Auerbach and M. Feldstein. Elsevier Science. Bovenberg, A.L., de Mooij, R. (1994): Environmental Levies and Distortionary Taxation, American Economic Review 84(4), 1085-1089. Bovenberg, A.L., van der Ploeg, E. (1994a): Green policies in a small open economy, Scandinavian Journal of Economics 96(3), 343-363. Bovenberg, A.L., van der Ploeg, E. (1994b): Environmental policy, public finance and the labour market in a second-best world, Journal of Public Economics 55, 349370. Brown, C. W., Jackson, P. M. (1990): Public Sector Economics. B. Blackwell, 1990, ISBN 0631162070 : 0631162089. Brůha, J., Ščasný, M. (2005): Analýza distribučních dopadů environmentální regulace. Zpracováno v rámci projektu VaV MŽP MŽP VaV 1C/4/43/04 „Environmentální a hospodářské efekty ekonomických nástrojů ochrany ŽP“ Brůha J., Ščasný M. (2004): Social and Distributional Aspects of Environmental Tax Reform Proposals in the Czech Republic. Paper presented at the Association of Environmental and Resource Economists - AERE Workshop 2004 on the Distributional Effects of Environmental Policy, Estes Park, Colorado, June 14-15, 2004. Dargay, J.M. (2001): The effect of income on car ownership: evidence of asymmetry. Transportation Research Part A, Vol. 35, pp. 807-821 Dargay, J.M. (2002): Determinants of car ownership in rural and urban areas: a pseudopanel analysis. Transportation Research Part E, Vol. 38, pp. 351-366 Dargay, J. (2006): Household Behaviour and Environmental Policy: Reviwe of Empirical Studies on Personal Transport Choice. Paper presented at workshop „Household Behaviour and Environmental Policy: Empirical Evidence and Policy Issues“ organised by OECD Environment Directorate, 15–16 June 2006, Paris. Dargay, J.M., Hanly, M. (2002): The Demand for Local Bus Services in England. Journal of Transport Economics and Policy, Vol. 36, Part 1, pp. 73-91 Dargay, J., Vythoulkas, P. (1999): Estimation of a dynamic car ownership model: a pseudo-panel approach. Journal of Transport Economics and Policy, Vol. 33, pp. 287-302 Dixit, A.K. (1985): Tax Policy in Opne Economies. In: Auerbach, A.J., Feldstein, M.S. (eds.), Handbook of Public Economics, vol. 1. North-Holland, Amsterodam; New York, pp. 313-374 ECMT (2001): Assessing the benefits of transport. Příspěvek na konferenci pořádané ECMT a the Swiss National Research Programme, Bern, 26.11.1999. ISBN 9282113620.

178


Espey, M. (1998): Gasoline demand revised: an international meta-analysis of elasticities. Energy Economics, Vol. 20, 273-295 Foltýnová, H., Brůha, J. (2006): Impacts of selected transport measures on atmospheric pollution from urban road transport in Czech cities. In.: Möhlenbrink et al. (eds.), Proceedings of the 3rd international symposium, Stuttgart: FOVUS. ISBN: 3-89301087-4 Foltýnová, H., Melichar, J. (2003): Quantification of external costs in transport caused by air pollution in the Czech Republic. In: Scasny, M., Bruha, J., Foltynova, H. (ed.), Approaches to Assessing the Environment. Proceedings from the round-table seminar in Prague, 2-3 October 2003. Charles University Environment Center, Prague, ISBN 80-239-3841-X, pp. 187 – 194. Fridström (1998): An econometric model of aggregate car ownership. Paper No. 447, Eighth World Conference on Transport Research, Antwerp Goodwin, P. (1992): A review of new demand elasticities with special reference to short and long run effects of price changes. Journal of Transport Economics and Policy, Vol. 26, 155-163 Goodwin, P., Dargay, J., Hanly, M. (2004): Elasticities of Road Traffic and Fuel Consumption with Respect to Price and Income: A Review. Transport Reviews, Vol. 24, No. 3, 275-292 Goulder, L.H. (1995a): Environmental taxation and the 'double dividend': a reader's guide, International Tax and Public Finance 2(2), 157-183. Goulder, L.H. (1995b): Effects of carbon taxes in an economy with prior tax distortions: an intertemporal general equilibrium analysis, Journal of Environmental Economics and Management 29, 271-297. Goulder, L.H. (2000): Environmental policy making in a second-best setting. In: Stavins, R.N., Economics of the environment. Selected readings. 4th edition. W.W. Nordton and Company, New York and London Graham, D.J., Glaister, S. (2002): The demand for automobile fuel: a survey of elasticities. Journal of Transport Economics and Policy, Vol. 36/1, 1-26 Graham, D.J., Glaister, S. (2004): Road Traffic Demand Elasticity Estimates: A Review. Transport Reviews, Vol. 24, No. 3, 261-274. Holmberg, B. (1977): Standard for regional public transport – measurement and evalutaion (norsky). Nordiska institutet för samhallsplanering. R1977:1 Lund. Hyánek, V. (1998): Externality – možnosti řešení. In: Externality a možnosti jejich řešení. Sborník referátů z teoretického semináře, KVE ESF MU, 1998. ISBN 80210-1884-4. Jara-Díaz, S.R., Cortés, C., Ponce, F. (2001): Number of Points Served and Economies of Spatial Scope in Transport Costs Functions. Journal of Transport Economics and Policy, Vol. 35, Part 2, 327-342

179


Jara-Díaz, S.R., Basso, L.J. (2003): Transport cost functions, network expansion and economies of scope. Transportation Research Part E, Vol. 39, 271-288 Jara-Díaz, S.R. (2000): Allocation and valuation of travel-time savings. In: Hensher, D.A., Button, K.J. (eds.): Handbook of Transport Modelling. Elsevier, Oxford Johnson, M. (1966): Travel time and the price of leisure. Western Economic Journal 4, 135-145 Jonáš, J. a kol. (1994): Oslava ekonomie. 2. vyd. Academia, Praha 1994. ISBN 80-2000200-6. de Jong, G. (1990): An indirrect utility model of car ownership and private car use. European Economic Review, Vol. 34, pp. 971-985 de Jong, G., Gunn, H. (2001): Recent Evidence on Car Cost and Time Elasticities of Travel Demand in Europe. Journal of Transport Economics and Policy, Vol. 35, Part 2, pp. 137-160 Kopczuk, W. (2003): A note on optimal taxation in the presence of externalities. Economics Letters, Vol. 80 (2003), pp. 81-86 Koskela, E., Schöb, R. (1999): Alleviating unemployment: The case for green tax reforms. European Economic Review, pp. 1723-1746 Krugman, P. (1991): Increasing Returns and Economic Geography. Journal of Political Economy, Vol. 99, No. 3 (Jun. 1991), 483-499. Kutáček, S. (2001): Možnosti řešení negativních externalit individuální dopravy v městských dopravních systémech. Diplomová práce, Ekonomicko-správní fakulta MU v Brně, 2001. Litman, T., Laube, F. (2002): Automobile Dependency and Economic Development. Victoria Transport Policy Institute, Victoria, Canada, and Institute for Science and Technology Policy, Perth, Australia Mackie, P.J., Jara-Diaz, S., Fowkes, A.S. (2001): The value of travel time savings in evaluation. Transportation Research Part E (37), pp. 91-106. Martin, R., Sunley, P. (1996): Paul Krugman´s Geographical Economics and Its Implications for Regional Development Theory: A Critical Assessment. Economic Geography, Vol. 72, No. 3 (Jul. 1996), 259-292. Mayeres, I., Ochelen, S., Proost, S. (1996): The Marginal External Costs of Urban Transport. Transportation Research D, Vol. 2, pp. 111-130 Meade, J.E. (1973): The Theory of Economic Externalities. Sijthoff & Noordhoff, 1979 (second print). ISBN 90-286-0433-2. Metcalf, G.E. (2003): Environmental levies and distortionary taxation: Pigou, taxation and pollution. Journal of Public Economics, vol. 87 (2003), pp. 313-322 Mishan, E. J. (1971): The Post-War Literature On Externalities: An Interpretative Essay. Journal of Economic Literature 9, 1971.

180


Mohring, H. (1972): Optimisation and scale economies in urban bus transportation, American Economic Review, 62/4, 1972, 591-604 Nash, C. (1997): Transport externalities: does monetary valuation make sense?. In: Rus, Ginés De; Nash, Chris (Eds.) Recent Developments in Transport Economics. Ashgate, 1997. ISBN 1859725007. Nijkamp, P., Pepping, G. (1998): Meta-Analysis for Explaining the Variance in Public Transport Demand Elasticities in Europe. Journal of Transportation and Statistics, Vol. 1, No 1, pp. 1-14 OECD (2000): Behavioral Responses to Environmentally-Related Taxes. Directorate for Financial, Fiscal and Enterprise Affairs, COM/ENV/EPOD/DAFFE/CFA(99)111/FINAL, OECD, Paříž, březen 2000 OECD (2001a): Environmentally Related Taxes in OECD Countries: Issues and Strategies. Paris. OECD (2002): External Costs of Transport in Central and Eastern Europe. (ENV/EPOC/WPNEP/T(2002)5). Study by INFRAS a HERRY for OECD Environment Directorate and Austrian Ministry for Agriculture and Forestry, Environment and Water Management. Zurich/Vienna 2002. Osina, P. (2001): Externality a jejich řešení v ekonomické teorii a praxi. Diplomová práce, Ekonomicko-správní fakulta MU v Brně, 2001. Oum, T.H., Waters, W.G. (1996): A survey of recent developments in transportation cost function research. Logistics and Transportation Review, Vol. 32, Issue 4, 423-464 Pearce, D. W. (1996): Ekonomie a výzva ke globální ochraně životního prostředí. In: Šauer, P., Livingston, M. (Eds.): Ekonomie životního prostředí a ekologická politika. Nakladatelství a vydavatelství Litomyšlského semináře, Praha 1996. ISBN 8090216803. Pearce, D. W. et al (1995): Macmillanův slovník moderní ekonomie. Victoria Publishing, Praha 1995. ISBN 80-856-0542-2 Pigou, A.C. (1920): The Economics of Welfare. Macmillan and Co. Third Edition, London Polach, V. (1999): Dopravní obsluha se zřetelem na externí náklady. Dizertační práce, Univerzita Pardubice, 1999. Proost, S., Van Dender, K. (2001): The welfare impacts of alternative policies to address atmospheric pollution in urban road transport. Regional Science and Urban Economics, 31, pp. 383-411 Ramjerdi, F., Rand, L. (1992): The National Model System for Private Travel. TØI Report 150/1992 (Oslo: Institute for Transport Economics) Ramsey, F.P. (1927): A contribution to the theory of taxation, Economic Journal 37, 4761. Romily, P., Song, H., Liu, X. (1998): Modeling and forecasting car ownership in Britain. Journal of Transport Economics and Policy, Vol. 32, pp. 165-185 181


Rothengatter, W. (1994): Do external benefits compensate for external costs of transport?. Transport Research Part A. Vol. 28A, No. 4, pp. 321 –328. Roy, R. (2002): The fiscal impact of marginal cost pricing: The specter of deficits or an embarrassment of riches? Essay prepared for the second seminar of the EMPRINTEurope in Brussels, 14-15 May 2002. Samuelson, P. A. (1954): The Pure Theory of Public Expenditure. The Review of Economics and Statistics, Vol. 36, No. 4, pp 387-389 (Nov, 1954). Samuelson, P. A., Nordhaus, W. D. (1995): Ekonomie. 2. vydání. Svoboda, Praha 1995. ISBN 80-205-0494-X. Samuelson, P.A., Nordhaus, W.D. (1989): Economics. McGraw-Hill Book Company, New York, 13th ed. ISBN 00-705-4786-6. Sandmo, A. (1975): Optimal Taxation in the Presence of Externalities, Swedish Journal of Economics, 77(1), 86–98. Scitovsky, T. (1954): Two concepts of external economies. Economic Journal, 1954. 62:52-67. Small, K. et al. (1999): Valuation of Travel-Time Savings and Predictability in congested conditions for Highway User-Cost Estimation. NCHRP 431, TRB 1999 Socorro, M.P., Betancor, O. (2006): Optimal environmental policy in transport: unintended effects on consumers´ generalized price. Příspěvek prezentovaný na 5th Conference on Applied Infrastructure Research, Berlín, 6.-7. 10. 2006 Storchmann, K.H. (2001): The impact of fuel taxes on public transport – an empirical assessment for Germany. Transport Policy 8, 19 – 28. Viton, P. (1983): Pareto-optimal urban transportation equilibria. In: Keller, T. (ed.): Research in transportation economics 105, 2, 295-310 Vítek, L. (1998): Ronald H. Coase: Společenské náklady, teorie externalit a jejich řešení. In: Externality a možnosti jejich řešení. Sborník referátů z teoretického semináře, KVE ESF MU, 1998. ISBN 80-210-1884-4. VTPI

(2003): TDM Encyclopedia. http://www.vtpi.org/tdm

Victoria

Transport

Policy

Institute,

Wardman, M. (2001): A Review of British Evidence on Time and Service Quality Valuations. Transprotation Research Part E (37), pp. 107-128 Wardman, M. (1998): The Value of Travel Time: A Review of British Evidence. Journal of Transport Economics and Policy, Vol. 32, No. 3, pp. 285-316 Wardman, M., Shires, J. (2003): Review of Fares Elasticities in Great Britain. Working Paper 573, ITS Working Papers, University of Leeds, December 2003 West, S.E., Williams, R.C. (2004): Empirical estimates for environmental policy making in a second-best setting. NBER working paper series, working paper 10330, Cambridge, USA.

182


Winston, C., Shirley, Ch. (1998): Alternate route – toward efficient urban transportation. The Brookings Institution, Washington DC

183


2.2 Data pro ekonomickou analýzu Úvod Tato příloha obsahuje popis struktury databáze, která vznikla v rámci aktivity 2.2 „Sběr dat pro ekonomickou analýzu“. Tato databáze byla využívána k ekonomickým analýzám efektivity nástrojů regulace osobní dopravy. Hlavními zdroji dat je Český statistický úřad, Ročenky dopravy zpracovávané CDV, výroční zprávy a statistiky ČD a výroční zprávy Sdružení dopravních podniků ČR a taktéž zvlášť výročních zpráv jednotlivých dopravních podniků. Popis databáze Celá databáze je zapsána do aplikace Microsoft Excel, což umožňuje snadný přesun dat do jiných programů (matematických, statistických) i analytickou práci v samotné aplikaci. Databáze je rozdělena do následujících listů: a) dopravní sektor (výkony, ceny, výdaje domácností na dopravu) b) hromadná doprava (ekonomické údaje souhrnně) c) ekonomická data dopravních podniků d) mzdy e) spotřeba paliv jednotlivými druhy dopravy f) emise z jednotlivých druhů dopravy g) města, kraje a počty obyvatel h) dojížďka obyvatel za prací i) vyjížďka obyvatel za prací. Následuje podrobnější popis jednotlivých listů databáze. Ad a) Dopravní sektor Zde jsou uvedena data pro časovou řadu 1994-2004: • dotace do veřejné dopravy • výdaje domácností na nákup pohonných hmot, na nákup automobilů a na hromadnou dopravu • ceny pohonných hmot (nafta, benzín, LPG) • přepravní výkony jednotlivých druhů dopravy (měřené v mil. osobokm) • přeprava cestujících (v mil. osob) • průměrná vzdálenost pro jednu cestu pro jednotlivé dopravní prostředky • obsaditelnost vozidel ad b) Hromadná doprava (ekonomické údaje souhrnně) Zde jsou uvedena data pro časovou řadu 1995–2004, která zahrnují hromadnou dopravu celkem v rozdělení na železnice, autobusovou linkovou dopravu a MHD: • tržby (celkem, na přepravenou osobu, na vozo-km, na kilometr) • náklady (celkem, na přepravenou osobu, na vozo-km, na kilometr) 184


• •

provozní ztráta provozní dotace

ad c) Ekonomická data dopravních podniků Tato data vychází z výročních zpráv Sdružení dopravních podniků, tj. obsahuje údaje získané stejnou metodikou z 19 dopravních podniků provozujících městskou hromadnou dopravu. Takto zahrnují zhruba 90 % všech výkonů městské hromadné dopravy. Údaje jsou pro časovou řadu 1997-2004: • dopravní výkony (vozo-km) • přepravní výkony (přepravené osoby) • tržby • provozní dotace • podíl dotací na provozních nákladech • celkové náklady • ceny jízdného (v dělení na jednorázové jízdné nepřestupní a přestupní a 30ti denní) ad d) Mzdy Tento list sdružuje data o výši mezd z více zdrojů. Vzhledem k tomu, že došlo k několika změnám metodiky sběru těchto dat u Českého statistického úřadu, časové řady nejsou pro celé období. Máme k dispozici následující data: • mzdy v dopravním sektoru za vybrané okresy odpovídající sledovaným podnikům městské hromadné dopravy (časové období 1997 – 2001) • mzdy v dopravním sektoru za kraje (časové období 2002 – 2004) • průměrné mzdy zaměstnanců pro okresy bez rozčlenění na sektory (časové období 1996 – 2004) ad e) Spotřeba paliv jednotlivými druhy dopravy Tato data vychází ze statistiky CDV. Data jsou pro časovou řadu 1990 – 2004: • spotřeba paliv v dělení na jednotlivé druhy dopravy (automobilovou, autobusovou, nákladní silniční, železniční, vodní a MHD) (v tis. tun) • prodej pohonných hmot (benzín natural, benzín olovnatý, benzín letecký, benzín celkem, petrolej letecký, nafta motorová, biopaliva, LPG, CNG, methanol) (v tis. tun) • spotřeba pohonných hmot automobilovou dopravou (v tis. litrů) ad f) Emise z jednotlivých druhů dopravy Tato data vychází ze statistiky CDV. Data jsou pro časovou řadu 1998 – 2004. Databáze zachycuje následující emise pro jednotlivé druhy dopravy (IAD, autobusová linková, MHD): • měrné emise CO2 • měrné emise NOx • měrné emise SO2 • měrné emise N2O • měrné emise VOC (TOL)

185


• • • •

měrné emise CH4 měrné emise CO měrné emise prachu měrné emise olova Pb

ad g) Města, kraje a počty obyvatel Tento list obsahuje seznam měst ČR k 31. 12. 2004 včetně počtu obyvatel. U největších měst databáze obsahuje dále údaje o rozloze a délce dopravních komunikací. Dále je zde seznam krajů. ad h) Dojížďka obyvatel za prací Tato data vychází ze statistiky ČSÚ – ze sčítání lidu, domů a bytů z roku 2001. Jsou zde data o dojížďce obyvatel za prací v rámci okresu, kraje a mimo ČR. Data jsou v členění dle sektoru hospodářství (zemědělství, průmysl, stavebnictví, obchod, doprava a telekomunikace, školství, zdravotnictví) a dále dle délky dojíždění (1-14 min., 15 – 29 min., 30 – 59 min., 60 a více minut) a četnosti dojíždění (denně). ad i) Vyjížďka obyvatel za prací Tato data vychází ze statistiky ČSÚ – ze sčítání lidu, domů a bytů z roku 2001. Jsou zde data o vyjížďce obyvatel za prací v rámci okresu, kraje a mimo ČR. Data jsou v členění dle sektoru hospodářství (zemědělství, průmysl, stavebnictví, obchod, doprava a telekomunikace, školství, zdravotnictví) a dále dle délky dojíždění (1–14 min., 15–29 min., 30– 9 min., 60 a více minut) a četnosti dojíždění (denně).

186


2.3 Přehled nástrojů regulace dopravního chování Úvod Vzhledem k nárůstu dopravy a s ním spojeným negativním efektům (nehody, kongesce, produkce emisí, hluk z dopravy), ale i z důvodu postupného poškozování dopravní infrastruktury těžkými vozidly (a tudíž zvýšeným nárokům veřejných rozpočtů na její údržbu i výstavbu) se stále více mluví o nutnosti regulace dopravy. K regulaci dopravy lze využít jak nástrojů ekonomických, tak nástrojů administrativním (jejich podrobnější klasifikaci se věnujeme v další kapitole). Ekonomické nástroje mění relativní ceny výrobků a služeb (tj. změny cen vůči sobě navzájem), případně mění příjmy domácností a firem, čímž působí na změnu chování spotřebitelů i výrobců. Jejich hlavním cílem je: • poskytovat správné signály pro efektivitu a udržitelné využívání zdrojů, • generovat nezbytné výnosy pro různé úrovně státní správy a samosprávy a • přispět k žádané příjmové distribuci ve společnosti. Normativní nástroje můžeme rozdělit na administrativní a institucionální nástroje. Tyto nástroje jsou založeny na donucovací pravomoci orgánů státní správy. Patří sem nařízení (zákazy a příkazy), limity, standardy a normy a předepsané administrativní postupy a omezení. Subjekt se podle nich musí chovat, jinak je trestán. Mají však i mnoho negativních efektů: • jsou makroekonomicky velmi nákladné a cíle není dosahováno s minimálními celkovými společenskými náklady, • znečišťovatelé většinou nemají žádné stimulace k dalšímu pozitivnímu překračování norem, • následkem bývají tvrdé ekonomické dopady na mnoho subjektů. Ty pak, často na základě sociální argumentace (zejména hrozby ztráty pracovních míst), vytvářejí silný a mnohdy úspěšný tlak na politiky a orgány státní správy ve smyslu změkčení normativních předpisů či udělení výjimek, • je třeba rozsáhlý administrativní aparát, což vede k řadě nebezpečí (neúměrná byrokracie, nákladnost, korupce, atd.). V současné době se v oblasti ochrany životního prostředí používá stále více ekonomických nástrojů. Ty tak postupně doplňují a v některých případech dokonce přebírají roli nástrojů normativních. Ekonomické nástroje totiž oproti normativním přináší řadu výhod, především [OECD 2001a]: • minimalizují celkové společenské náklady nutné na dosažení stanovených environmentálních efektů, protože zohledňují náklady na zamezení znečištění u jednotlivých subjektů; • podněcují subjekty k ekonomicky optimálnímu snižování znečištění (nikoli pouze ke splnění nařízených norem a limitů); • motivují ekonomické subjekty k podpoře výzkumu nových technologií, případně k využití všech dalších možností omezení emisí (substituce vstupů atd.), ke zvyšování ekoefektivity;

187


• • •

nemají takové vysoké nároky na státní administrativu jako nástroje normativní a díky tomu snižují náklady a omezují nebezpečí korupce; vedou k naplnění pravidla „znečišťovatel platí“; zvyšují příjmy veřejných rozpočtů.

V následujících kapitolách podáváme přehled klasifikace jednotlivých nástrojů (kapitola 2), jejich popis (kapitola 3), hlavní dopady jednotlivých nástrojů (kapitola 4), legislativní ukotvení (kapitola 5) a výzkum těchto nástrojů v Evropě (kapitola 6). Poslední sedmá kapitola shrnuje hlavní závěry.

2.3.1 KLASIFIKACE EKONOMICKÝCH NÁSTROJŮ Neexistuje jednotná klasifikace nástrojů regulace dopravy. V podstatě v každém materiálu věnovaném tomuto tématu najdeme dělení trochu odlišné. Zvláště pak u nástrojů ekonomických není navíc sjednoceno názvosloví. Kromě označení nástroje ekonomické se pro stejný typ nástrojů používají také názvy tržně-konformní, tržní nebo fiskální. Například Stavins [2003] dělí nástroje regulace na nástroje fiskální (ekologické daně, daňové diferenciace, výjimky a úlevy, poplatky a daně ze znečištění a dotace, uživatelské poplatky (mýtné) a jiné přímé nebo nepřímé podpory z veřejných rozpočtů) a nástroje tržně-konformní (obchodovatelná povolení). Pro naše další účely si budeme jednotlivé nástroje dělit na nástroje tržněkonformní (ekonomické) – což jsou nástroje fiskální, obchodovatelná povolení a ostatní (dobrovolné dohody a pojištění) – a nástroje administrativní. Ekonomické nástroje lze dále dělit do různých skupin podle jejich předpokládaných dopadů či časového horizontu jejich působení. Například evropský projekt SPECTRUM rozděluje ekonomické nástroje v dopravě následujícím způsobem (viz tabulka 2.3.1): Tabulka 2.3.1: Přehled nejběžnějších ekonomických nástrojů v dopravě Nástroj Zpoplatnění dopravy (road pricing)

Daně z paliv

Daně z vozidla Finanční pobídky k vozidlům na čistší paliva Zpoplatnění nemovitostí Parkovací poplatky

Předpokládané dopady efektivita dopravy (minimalizace ujetých kilometrů) získání výnosů - získání výnosů - snížení používání aut, spotřeby pohonných hmot a emisí - zvýšení efektivity paliv - pokles kongescí - zvýšení využívání alternativních paliv pokles počtu aut nárůst palivové efektivity u flotily vozidel získávání výnosů nárůst palivové efektivity pokles emisí skleníkových plynů a jiných polutantů získání výnosů pro dopravu a poskytování infrastruktury podpora požadovaného využívání půdy zvýšení efektivity trhu s parkováním omezení cest autem nepřímý vliv na kongesce

188

Časový horizont krátký krátký krátký krátký střední krátký krátký střední střední krátký střední střední střední krátký krátký střední/krátký krátký


Tarifní systém a výše jízdného MHD

výnosy povzbuzování obyvatel k většímu využívání HD dopady na poptávku po HD v závislosti na cenové elasticitě (vztah mezi změnou v počtu pasažérů díky změně poplatků za použití HD)

krátký krátký střední

Zdroj: SPECTRUM [2004]

Aby došlo ke skutečné změně poptávky po dopravě a k přerozdělení úkolů v dopravě, je třeba, aby byly s ekonomickými nástroji sladěny i další nástroje, které jejich účinnost posílí – například podpora hromadné dopravy, cyklistiky a chůze. Jedním z příkladů je výstavba obchvatů. Pokud se po výstavbě obchvatů zároveň nezavádějí restrikce pro automobily v prostoru, který je obchvatem obcházen, nemusí být konečný pozitivní efekt na obyvatele tak výrazný, jak se předpokládalo (projeví se jev dopravní indukce). Například Nizozemí kombinuje politiku zdanění, technické normy emisí a investiční politiku; obdobně řeší problém tranzitní dopravy sever – jih Švýcarsko v oblasti výstavby infrastruktury a jejího užívání. Touto kombinací nástrojů dosáhlo výrazného zvýhodnění kombinované dopravy namísto přímé silniční dopravy [dále viz Melichar 2001]. Podobně musí být integrovány jednotlivé cíle, opatření a programy jednotlivých politik, zejména politika územního plánování, energetické a dopravní koncepce relevantního regionu, investiční politika a bytová výstavba.

2.3.2 POPIS JEDNOTLIVÝCH NÁSTROJŮ V této kapitole se dále podíváme na jednotlivé nástroje a jejich působení. Zaměříme se především na nástroje ekonomické (tržně-konformní), jejichž působení a dopady nejsou tak jednoznačně dané jako u nástrojů administrativních. Nejprve se tedy zaměříme na nástroje fiskální a poté na obchodovatelná povolení.

2.3.2.1 Fiskální nástroje Fiskální nástroje s regulačním efektem na životní prostředí jsme si rozdělili do těchto skupin: • ekologické daně • daňové diferenciace, výjimky a úlevy • poplatky a daně ze znečištění • kilometrické zpoplatnění • dotace a jiné přímé nebo nepřímé podpory z veřejných rozpočtů. Nyní ukážeme, jak jednotlivé fiskální nástroje s regulačním efektem působí na životní prostředí. Ekologické daně

189


Myšlenka využít daně jako nástroj politiky životního prostředí se v teoretické rovině objevila již ve 20. létech 20. století díky pracím Arthura Cecila Pigoua [Rothengatter 2003, Perman 2003]. Logika jeho přístupu je jasná. Vzhledem k tomu, že spotřeba určitého statku vyvolává dodatečné společenské náklady (mezní sociální náklady), které spotřebitel, chovající se egoisticky, nebere v úvahu, musí být tyto náklady zahrnuty do ceny spotřebovávaného statku. Cenový signál pak zpětně ovlivňuje chování spotřebitele. Z dnešního pohledu představuje tzv. pigouoviánská daň naplnění principu „znečišťovatel platí“. Toto pojetí bylo ekonomy přijato a dálo rozvíjeno v 60. letech a především od počátku 90. let 20. století. Pigouviánské daně jsou daně teoreticky ideální, avšak z důvodu náročnosti jejich stanovování, sledování a kontroly je jejich zavedení v reálném světě obtížné. Proto se podstatně častěji setkáme s daněmi z prodeje, výroby či spotřeby produktů nebo služeb, které jsou spojeny s negativním ekologickým dopadem. Takové daně se nazývají nepřímé ekologické daně. Výše poplatku je závislá na vztahu toho, co je daněno, a znečištění. Slabinou pigouviánské daně je, že předpokládá, že v ekonomice neexistují daně na generování výnosů veřejných rozpočtů, a proto jsou v jeho systému daňové výnosy vráceny do ekonomiky jako „lump-sum“ platby (plošné platby ve stejné výši pro všechny). Hlavní motivací k zavádění daní je však získat prostředky na financování veřejných statků a služeb, zatímco u ekologických daní jde o pokrytí mezních společenských nákladů. Zdanění navíc mění chování zpoplatněných subjektů, tj. má distorzní efekt. I když teoreticky existují daně, které distorzní efekt nemají (jedná se např. o „daň z hlavy“ nebo „daň z půdy“, příp. jednotnou daň na všechny statky a služby, která tudíž nemění relativní ceny), v praxi je těžké tyto daně zavést, a to díky jejich horší akceptovatelnosti veřejností nebo díky tomu, že některé statky a služby nelze zdanit (učebnicovým příkladem takovéhoto statku bývá např. volný čas). Z faktu, že přítomnost distorzních daní je nevyhnutelná, vyšel v roce 1927 Ramsey, který zkoumal podobu daňového systému, jež způsobí co nejméně distorzí a generuje exogenně stanovené příjmy. Navrhl daňový systém v podobě, do které zahrnul všechno zboží při nižší daňové sazbě (jako opak zdanění pouze vybraného zboží vysokou daňovou sazbou), tento systém je optimální v případě, že poptávka po jednotlivém zboží má stejnou cenovou elasticitu [Ramsey 1927]. Ve světě, kde se poptávka po jednotlivém zboží liší, rozhoduje při stanovování výše daňové sazby velikost elasticity poptávky – u zboží s neelastickou poptávkou by měla být aplikována vyšší sazba, zatímco u zboží s elastickou poptávkou nižší daňová sazba. Ramseyho teorie optimálního zdanění abstrahuje od existence externalit. Problémy spojené se zaváděním ekologických daní Jaké jsou konkrétní praktické překážky zavádění ekologických daní? Jde o problémy ekonomického i politického a čistě technického rázu. Jmenujme si několik nejvýznamnějších překážek:

190


Problémy spojené s možností stanovení optimálního zdanění Tento problém souvisí s informačními bariérami. Například nejsme dosud schopni přesně kvantifikovat výši externích nákladů, což dále neumožňuje stanovit „pigouviánskou“ míru zdanění aktivit či spotřeby statků, produkujících tyto negativní externality. Interference ekologických daní s ostatními daněmi Ekologické daně mohou interferovat s jinými daněmi a měnit jejich míru distorze na trhu, příp. jejich regulační či fiskální dopady. Pokud se zaměříme na korekci jen jednoho z nich (např. budeme internalizovat externí náklady, tj. aplikovat princip znečišťovatel platí), často se mohou jiné neefektivity zvýšit. Proto je třeba při optimalizaci daňového systému sledovat vzájemné vztahy a působení mezi jednotlivými daňovými tituly. Neschopnost sloučit ekologické a fiskální cíle a záměry Často je těžké dosáhnout konsensu mezi fiskálním působením daně v kontextu celé daňové soustavy i tvorby veřejných rozpočtů a ochrany životního prostředí – nejčastěji za tyto dva aspekty bývá zodpovědné ministerstvo financí a ministerstvo životního prostředí dané země, mezi kterými je nutno dosáhnout společné podpory nebo alespoň pasivní tolerance. Administrativně technické problémy Vzhledem k velké variabilitě potenciálního předmětu daně (může existovat velké množství zdrojů znečištění nebo velké množství druhů znečišťujících látek) bývá často problémem vybudovat administrativní strukturu daně. Ne vždy a na vše lze uvalit ekologickou daň, a důležitá je také její výše. Nerozpoznání „winners“ a „losers“ K získání potřebné politické podpory k zavedení daně je třeba správně a včas rozpoznat, kdo daní získá (winner) a kdo daní ztrácí (loser) a snažit se podnítit ty, co daní získají, k podpoře a spolupráci, a naopak těm, kteří daní ztrácí, nabídnout kompenzace (např. formou snížení jiných daní). Působení průmyslu Průmysl je často ekonomický „loser“, je však majitelem informací potřebných pro řádné fungování ekologických daní. Proto je třeba ze strany státu zvolit správnou strategii vyjednávání. Doporučuje se např. jmenovat speciální vyjednávací komisi odborníků, ti totiž mohou být v mnoha případech pro průmyslovou lobby i veřejnost přijatelnější než státní úředníci. Politické bariéry Sem můžeme zařadit rozmanitou směsici problémů. Jedná se jednak o vliv ekologických daní na nízkopříjmové skupiny (chudí platí proporcionálně více než bohatí), o vlivy na konkurenceschopnost a zaměstnanost, ale i vliv existujících podpor, subvencí a regulací, které působí nevhodně na životní prostředí a protisměrně vůči ekologickým daním.

191


Situace v zavádění ekologických daní ve světě Ščasný [2002] uvádí, že fiskální systémy „všech členských zemí OECD a Evropské unie obsahují již dnes jisté daňové, resp. poplatkové tituly uvalené na zboží, jehož spotřeba nebo výroba má negativní vliv na životní prostředí. Tyto, podle definice EUROSTATU environmentální nebo ekologické daně, představují daně (resp. poplatky), jejichž daňovým (resp. poplatkovým) základem je fyzická jednotka (nebo její zástupní jednotka) něčeho, co má prokazatelný a specifický negativní vliv na životní prostředí“. Patří sem například spotřební daně na energetická paliva (benzín, naftu, zemní plyn, oleje, elektrickou energii nebo uhlí) nebo daně a poplatky na znečištění a těžbu přírodních zdrojů. Výnos z těchto daní a poplatků tvořil v roce 2000 v zemích OECD v průměru cca 2,6 % HDP a 7 % celkových daňových výnosů nebo ve vyjádření v USD na obyvatele kolem 550 USD (aritmetické průměry zemí). V ČR tento podíl dosahoval v roce 2002 zhruba 7 % daňových výnosů [více viz. Ščasný 2002]. V zemích OECD se navíc daně z příjmů fyzických osob v období 1986 až 1995 v průměru snížily o 10 %, daně z příjmů korporací o 8,5 %. Další velkou změnou je zvýšení významu daní ze spotřeby obecně. Po roce 1980 zavedlo 9 zemí OECD daň z přidané hodnoty a v současné době tento typ daně nebyl zaveden pouze v Austrálii a v USA. Podíl příspěvků na sociální zabezpečení se v období let 1980 až 1994 zvýšil z 23 % na 26 %. Zároveň je patrná tendence k růstu veřejných výdajů. Od roku 1980 se v průměru zemí OECD zvýšila daňová kvóta z 34 % na 38 %. Ekologické daně jsou chápány jako vítaný zdroj zvyšování příjmů, u kterého lze ještě díky spojení se zájmy ochrany životního prostředí očekávat akceptaci veřejnosti. Řada evropských států v podílu výnosů ekologických daní na celkových výnosech překračuje průměr zemí OECD. Podíl ekologických daní na celkových daňových výnosech a příspěvcích sociálního zabezpečení v členských zemích EU15 v letech 1980 až 2004 zachycuje následující obrázek. Jejich výše se pohybuje okolo 6 % celkových daňových výnosů, s pozvolným nárůstem do poloviny 90. let a stagnací v posledních letech.

192


Obrázek 2.3.1: Příjmy z ekologických daní jako % celkových daňových výnosů a příspěvků sociálního zabezpečení v členských zemích EU 15 v letech 1980 – 2004 8

energie

zdroje/znečištění

doprava

celkem

7 6 5 4 3 2 1 0 80 19

82 19

84 19

86 19

88 19

90 19

92 19

94 19

96 19

98 19

02 20

00 20

04 20

Zdroj: Eurostat [2003], European Commission [2006]

Zajímavé je srovnání výše ekologických daní v jednotlivých zemích EU 25. Toto srovnání pro rok 2004 najdeme na obrázku 2.3.2. Obrázek 2.3.2: Příjmy z ekologických daní jako podíl na celkových daňových výnosech a příspěvcích na sociální zabezpečení v členských zemích EU 25 v roce 2004 14 zdroje/znečištění doprava energie

12 10 8 6 4 2 0 BE

CZ DK DE EE

EL ES

FR

IE

IT

CY

LV

LT

Zdroj: European Commission [2006]

193

LU HU MT NL AT

PL PT

SI

FI

SE UK


Z obrázků 1 a 2 vyplývá, že největší podíl na ekologických daních tvoří zpravidla daně na energie. Podstatně méně je zdaněna doprava a poplatky ze znečištění a daňové zatížení zdrojů tvoří téměř zanedbatelnou položku na výši daňových výnosů. Zajímavý je případ dvou ostrovních členských států – Malty a Kypru, kde zpoplatnění dopravy (registrační a cirkulační daně65, zpoplatnění vjezdu do centra Vallety) dosahuje výše srovnatelné s výnosy zdanění energií. Daňové diferenciace, výjimky a úlevy U jednotlivých daňových titulů mohou být uplatněny různé daňové diferenciace, výjimky a úlevy, jejichž cílem je zvýhodnit environmentálně příznivé chování nebo výrobky/služby. Do této skupiny ekonomických nástrojů s regulačním efektem na životní prostředí řadíme všechny příspěvky (kredity), daňové úlevy, daňové diferenciace a platby za takové chování ekonomických subjektů, které je žádáno z hlediska jeho dopadu na životní prostředí. Patří sem také například možnost zrychleného odpisu environmentálně příznivých investic. Cílem této skupiny nástrojů je zatížit výrobu nebo spotřebu ve výši, ve které znečišťují (Pigouviánská daň). Vzhledem k tomu, že může být k určité výrobě použito rozdílných postupů s ohledem na dopady na životní prostředí, umožňuje tento nástroj – daňové diferenciace, výjimky a úlevy – tyto dopady rozlišit a výrobu nebo spotřebu pak v odpovídající výši daňově zatížit. Existují například rozdílné sazby spotřební daně na naftu a bionaftu (v České republice byla do konce roku 2006 biologická, méně znečišťující, složka bionafty osvobozena od spotřební daně z paliv) nebo více sazeb daně z vozidla (u nás silniční daň) dle váhy a spotřeby vozidla, příp. množství produkovaných emisí. Některé z daňových diferenciací však mohou být naopak environmentálně nepříznivé, například nižší sazba spotřební daně na motorovou naftu oproti benzínu, přestože je u stávajícího vozového parku ze spalování nafty emitováno více emisí poškozujících zdraví a životní prostředí přepočteno na 1 litr paliva [Foltýnová et al. 2003]. Daňových výjimek, diferenciací a úlev se nejvíce využívá v energetice k podpoře alternativních zdrojů energie, v průmyslu k podpoře environmentálně příznivějších výrob a recyklace a v dopravě. Jak však ukázala studie Jaffeho a Stavinse [in Stavins 2003], je však v případě podpor alternativních zdrojů energie ve většině případů efektivnější použití dotací. Podívejme se nyní na některé příklady použití tohoto nástroje u nás a ve světě. U environmentálně motivovaných daňových diferenciací byla v ČR (a dalších evropských zemích) rozdílná sazba na olovnatý a bezolovnatý benzín (předtím, než byl prodej olovnatého benzínu zrušen zcela). Smyslem bylo snížit emise tetra(m)ethyl-olova z pohonných hmot povzbuzením přechodu k bezolovnatému benzínu. Dalším příkladem u nás může být silniční daň. Tuto daň platí ročně podnikatelské subjekty z vozidel určených k podnikání. Její sazba je diferencovaná dle váhy a výkonu vozidla (a tedy nepřímo i dle jeho spotřeby, což zohledňuje environmentální dopady). Řada států takto zvýhodňuje železniční dopravu nebo veřejnou silniční dopravu (většina států EU). Island zavedl diferenciované dovozní poplatky na vozidla, přičemž 65

Jedná se o obdobu naší silniční daně, tj. daně z vozidla placené pravidelně každý rok.

194


zvýhodnil automobily menší a více palivově efektivnější. Mexiko snížilo prodejní daně na nová vozidla a zvýšilo poplatky za stará („špinavější“) vozidla s cílem snížit emise. V Latinské Americe jsou zase běžné dotované příspěvky a daňové úlevy na environmentálně příznivé investice. Například v Argentině se od roku 1945 snaží daňovou výjimkou povzbudit používání vozidel na zemní plyn. Brazílie a Kolumbie vrací průmyslovým podnikům vybrané platby DPH v případě zavedení čistých technologií. Jižní Korea nabízí snížené daňové sazby pro podniky, které se zapojí do ochrany životního prostředí a při investicích do vybavení na snížení znečištění a na recyklaci odpadů. V Německu je možnost zrychlených odpisů pro zařízení šetřící energii a snižující znečištění. V ČR jsou zavedeny následující ekonomické nástroje patřící do této skupiny: Silniční daň: • osvobození od daně pro vozidla zabezpečující zpravidla linkovou osobní vnitrostátní dopravu a osvobození vozidel na elektrický pohon, vozidla záchranných složek (Policie, Záchranná služba, Hasiči), vojenská vozidla atd.; • zvýšení sazby daně o 15 % pro všechna vozidla registrovaná v ČR do 31.12.1989; • snížení sazby daně pro vozidla, která splňují emisní limity – EURO 3 (50 %); • slevy na dani pro vozidla, která využívají kombinovanou přepravu (ta využívá silnici jen k dopravě do a z nejbližší vhodné železniční stanice nebo přístavu od místa nakládky a místa určení). Sleva může činit až 100 % při uskutečnění více než 120 jízd kombinované přepravy za zdaňovací období, a nejméně 25 % při uskutečnění minimálně 31 jízd; • snížení sazby silniční daně u vozidel používaných v rostlinné výrobě (25 %). Spotřební daň: • Osvobození od spotřební daně z minerálních olejů (např. letecký benzín a další); • Daňové zvýhodnění biopaliv a zemního plynu. Problém představuje zdanění leteckého benzínu, který je od spotřební daně v ČR osvobozen. Ačkoliv toto zdanění podléhá mezinárodním úmluvám, zdanění tohoto paliva umožňuje nejnovější Směrnice 2003/96/ES, a to na základě bilaterální dohody členských zemí. DPH: • Vrácení daně z přidané hodnoty z automobilu zakoupeného v tuzemsku zdravotně postiženými osobami; • Vrácení či snížení daně z přidané hodnoty dalším subjektům; • Osvobození pro letecký benzín. Poplatek za užívání dálnic a rychlostních silnic: • Osvobození pro vozidla záchranných složek, vojenská vozidla a vozidla užívající dálničního úseku k objíždění nezpoplatněné sítě komunikací.

195


Poplatky a daně ze znečištění Mezi poplatky řadíme všechny platby ekonomických subjektů do veřejných rozpočtů, které slouží jako náhrada za služby životního prostředí nebo k pokrytí škod způsobených na životním prostředí (příp. jako úplná či částečná internalizace negativní externality – Pigouviánská daň). Patří sem poplatky za znečištění (z emisí do atmosféry, za znečištění vod, za uložení – nejen nebezpečného - odpadu), uživatelské poplatky (z dopravy a dopravní infrastruktury, za služby municipalit související se životním prostředím, za odpady určitých výrobků), poplatky z prodeje (z motorových paliv, chemikálií, zemědělských vstupů), zajištění proti environmentálnímu riziku a zálohové (depozitněrefundační) systémy. Podívejme se postupně na jednotlivé poplatky. Poplatky/daně ze znečištění Většina poplatků pravděpodobně nemá pobídkový efekt, který je typicky spojovaný s Pigouviánskou daní, buď kvůli struktuře systému nebo kvůli nízké výši, na kterou je nastavena. Stavins [2003] rozlišuje tato znečištění, na která jsou aplikovány poplatky za znečištění: CO, CO2, SO2, NOx, kombinovaná průmyslová znečištění vzduchu, pevné částice (PM), kombinované průmyslové znečištění vod, dusík a fosfor, ukládání odpadu a poplatky za nebezpečný odpad. Vzhledem k tomu, že poplatky a daně ze znečištění nejsou v dopravě rozšířené (setkáme se s nimi hlavně v energetice a průmyslu a dále v odpadovém hospodářství a u lokálních zdrojů znečištění vod a ovzduší), dále se jim nebudeme věnovat. Uživatelské poplatky Uživatelské poplatky jsou uvaleny na ty, kteří přímo těží ze služeb životního prostředí, na rozdíl od poplatků za znečištění, které jsou přesně definovány a mají ovlivňovat chování ekonomických subjektů. Stavins [2003] rozlišuje tři druhy uživatelských poplatků – v dopravě, za služby municipalit a za odpady. Poplatky na dopravu jsou velmi časté v řadě zemí na světě, jejich výnos však většinou jde do všeobecných daňových výnosů, ne do specializovaných fondů. Zatížení z dopravy je podstatně vyšší v evropských státech než v USA, kde však jdou výnosy do fondů na výstavbu a údržbu dopravní infrastruktury. V některých evropských zemích jsou poplatky z letecké dopravy použity na financování opatření zabraňujícím nepříznivým následkům z hluku. Například přistávací poplatky v Belgii, Francii, Německu, Nizozemí a Švýcarsku se podobají Pigouviánským daním, protože jsou vztaženy k hladině hluku, kterou letadla způsobují, a v Německu, Francii, Itálii, Nizozemí, Švédsku a Švýcarsku jsou tyto poplatky použity na programy zabránění hluku [Stavins 2003]. Poplatky za služby municipalit zahrnují v environmentální oblasti především poplatky za sběr pevného odpadu. Pigouviánským daním se blíží v případě, že výše poplatku je vztažena k množství odpadu a pokrývá veškeré náklady, jak je tomu např. v USA, Švýcarsku, či ve stále rostoucí míře v Latinské Americe a Karibské oblasti. Takovéto poplatky vedou (jak se i empiricky ukazuje) ke snižování množství odpadů [Stavins 2003]. Poplatky za odpady, které jsou poměrně běžné v řadě evropských zemích, mají za cíl snížit množství odpadů. V případě, že výnosy jsou použity na pokrytí nákladů na odstranění, patří do uživatelských poplatků, pokud jejich výnosy jdou do společného

196


fondu, patří mezi poplatky z prodeje. Příkladem uživatelského poplatku za odpady je poplatek z pneumatik, jehož výnosy jsou využity na sběr a recyklaci pneumatik (aplikace v Dánsku, Finsku a Švédku). Podobně je tomu například s bateriemi (Belgie, Dánsko, Itálie a Švédsko), použitými oleji (Francie, Finsko, Itálie), Jižní Korea takto zpoplatňuje obaly insekticidů a toxických obsahů, kosmetiku, cukrářské obaly, baterie a nemrznoucí směsi. Poplatky z prodeje Poplatky z prodeje jsou uvaleny na velkou řadu výrobků, často s cílem dosáhnout environmentálních efektů. Stavins [2003] rozlišuje 4 skupiny výrobků podléhajících poplatkům z prodeje – motorová paliva, látky ničící ozónovou vrstvu, zemědělské vstupy a finální produkty. Patří sem i daň z přidané hodnoty na všechny skupiny výrobků včetně motorových vozidel (DPH představuje vlastně poplatek z prodeje). Sazby poplatků na motorová paliva bývají obvykle rozlišeny podle jejich environmentálních dopadů – vyšší jsou na olovnatý benzín (v případě, že tento je v dané zemi stále používán), bezolovnatý benzín a naftu, lehké a těžké motorové oleje atd. Poplatky za finální produkty zahrnují poplatky za nové automobily (registrační daň je v současné době uvalena v 10 členských zemích EU), fotografické aparáty, žárovky, plastikové tašky (Dánsko) atd. Zajištění proti environmentálnímu riziku V poměrně málo zemích je možnost zpoplatnit určitý typ průmyslových podniků s tím, že poplatky budou použity jako pojištění proti potenciálním průmyslovým rizikům spojeným s produkcí nebo využitím zpoplatněného zboží. Takovéto zpoplatnění má povzbuzovat firmy k tomu, aby internalizovaly environmentální rizika. Obvykle však významně neovlivňují chování ekonomických subjektů. Například v USA jsou zpoplatněny ropné produkty, výtěžek jde do Oil Spill Lability Trust Fund, přičemž výše sazby závisí na způsobu přepravy těchto výrobků. Cílem poplatku je pokrýt škody v případě ropné havárie. Zpoplatnění ropných výrobků mírně ovlivňuje nižší využívání ropy, ale nepůsobí jako podnět k využívání bezpečnějších lodí a prostředků dopravy [Stavins 2003]. Podobný fond na dovozy ropy mají také mimo jiné ve Finsku. Ve Švédsku existuje fond na 10 tisíc „operátorů nebezpečných zařízení“, který financuje škody v případě, že nelze identifikovat původce škod. Tento fond řídí soukromé pojišťovny. Španělsko vytváří takový fond pro společnosti obchodující s nebezpečným odpadem v chemickém průmyslu. Zálohové (depozitně-refundační) systémy Zálohové systémy představují speciální poplatek ze znečištění, který spotřebitelé platí, když nakupují potenciálně znečišťující produkt, a který je jim vrácen, pokud výrobek odevzdají po skončení jeho spotřeby zpět k recyklaci nebo ke zpracování jako odpadu. Nejčastěji bývají zálohové systémy zaváděny na skleněné nápojové obaly (Rakousko, Austrálie, Belgie, Kanada, Dánsko, Finsko, Island, Nizozemí, Norsko, Portugalsko, Švédsko, Německo, Srí Lanka, Švýcarsko a další), v Německu byl rozšířen kromě skleněných i na plastikové obaly a plechovky na nápoje. V Rakousku existuje zálohový systém na ledničky, ve Švédsku na staré automobily.

197


Existuje poměrně málo studií, které by se zabývaly efektivitou depozitněrefundačních systémů. Vyplývá z nich však, že jejich vhodnost závisí na času, který spotřebitelé potřebují na vrácení prázdných obalů a ochotě platit za snížení odpadů. V řadě případů je lépe využít třídění odpadů (speciální kontejner na tyto produkty), než zálohový systém [Stavins 2003]. Depozitně-refundační systém je vhodný (1) v případě, že cílem je snížit množství (určitých) odpadů nebo zvýšit recyklaci, a (2) pokud existuje významná asymetrie mezi náklady na čištění a znovupoužití nákladů a úpravami nutnými na jejich zneškodnění. Proto bývají tyto systémy nejefektivnější v případě jejich použití na nebezpečný odpad (například olovo obsažené v autobateriích). Uživatelské poplatky (mýtné / kilometrické zpoplatnění) Jde o platby za užívání vybraných úseků silnic a dálnic s cílem internalizovat především náklady infrastruktury a kongescí. Mýtné se proto vybírá především v určitých problematických úsecích dopravních komunikací nebo na dálnicích či rychlostních komunikacích. Mýtné může být různě modifikováno dle svého účelu, například v USA je flexibilně sníženo při vyšším obsazení vozidla. Kilometrické zpoplatnění má následující dopady: • ovlivňuje dělbu přepravní práce; • ovlivňuje volbu řidiče pro trasu a cestovní čas; • ovlivňuje celkovou úroveň dopravy pomocí výše zpoplatnění; • přispívá k tomu, že jsou internalizovány externí náklady; • produkuje výnosy veřejných rozpočtů. Řada evropských států začala zavádět různé systémy zpoplatnění silniční dopravy od 80. let. Zpoplatněna je buď pouze nákladní doprava nebo všechna motorová vozidla. Setkat se můžeme se dvěma základními způsoby zpoplatnění silniční dopravy – zpoplatnění vjezdu do (určité části) města a zpoplatnění meziměstské / dálkové dopravy. Dále si postupně popíšeme tyto možnosti zpoplatnění. Zpoplatnění dopravy ve městech Podívejme se nejprve stručně na zpoplatnění dopravy ve městech. Nejčastější důvody pro toto zpoplatnění jsou snižování kongescí, snižování emisí z dopravy a výběr prostředků k financování systémů veřejné dopravy a silniční infrastruktury. Zpoplatnění dopravy ve městech bylo rozpracováno ekonomy již ve 20. letech 20. století (A. C. Pigou, později tento koncept rozvinul mimo jiné Milton Friedman) především jako zdroj financování výstavby a údržby dopravní infrastruktury. V život však bylo první zpoplatnění dopravy ve městech uvedeno až v roce 1975 v Singapuru, kde byl použit systém spočívající na vydávání licencí opravňujících k vjezdu do centra. Smyslem tohoto zpoplatnění byl nejen výběr poplatků, ale i regulace objemu dopravy v tomto městě. Singapurský systém byl postupně modernizován a v současné době zde funguje od roku 1998 elektronický systém. Po zavedení nového elektronického systému došlo k dalšímu snížení objemu dopravy o 15 %. V Evropě se zpoplatnění vjezdu do měst objevilo v 80. letech, a to nejprve v Norsku (Bergen, Oslo, Trondheim, Stavanger a další). Po zavedení zpoplatnění se v

198


Bergenu snížil objem dopravy o 6-7 % (při sazbě 5 NOK za vjezd), v Oslu pak o 8-10 % (sazba 11 NOK). Dále se připravuje jeho zvedení v dalších skandinávských městech, mimo jiné ve Stockholmu, kde zkušební provoz zpoplatnění kongescí fungoval 7 měsíců v roce 2006 a poté následovalo referendum, ve kterém se měli obyvatelé vyjádřit k jeho dalšímu fungování66, či v Kodani, kde se v současné době testují dva způsoby zpoplatnění vjezdu do centra)67. Kromě Skandinávie řeší své dopravní problémy ve městech i Velká Británie. Tu tlačí především problém dopravních kongescí. Proto bylo v roce 2002 v Durhamu zavedeno zpoplatnění kongesce (ovšem pouze v malé rozsahu zpoplatňovacího systému) a od února 2003 jsou motorová vozidla zpoplatněna také za vjezd do centra Londýna. Londýn představuje první velký zpoplatňovací systém, který byl v Británii zaveden. Poplatek za vjezd je stanoven na 5 liber za den (na jaře 2005 bylo schváleno jeho zvýšení na 8 liber z důvodu zachování regulačního účinku poplatku), a to mezi 7,00 – 18,30 hod. v pondělí až pátek. Výnosy z poplatku byly použity z velké části na posílení autobusové dopravy v této metropoli. Výsledkem po prvním roce fungování bylo snížení objemu dopravy ve zpoplatněné oblasti o cca 15 % a nárůst pasažérů hromadné dopravy o více než 30 %. Dále o zavedení tohoto systému vážně uvažuje Bristol, Edinburgh68 a další britská města. V dalších evropských městech se setkáme se zpoplatnění dopravy například v Římě (omezení vjezdu do centra města zde funguje od roku 1994, v elektronické podobě od roku 2001) nebo Janově. Dalším velkým městem, které plánuje zpoplatnění, je pak Milán. Starostka Milána chce pomocí zpoplatnění řešit vážné problémy se znečištěním ovzduší ve městě. Jejím cílem je snížit množství vozidel ve městě o 30 %. Zpoplatnění meziměstské / dálkové dopravy Ke zpoplatnění meziměstské / dálkové dopravy se přistupuje většinou z následujících důvodů: • potřeba výstavby nové infrastruktury a omezené veřejné zdroje. Se zpoplatněním se může do financování infrastruktury zapojit i soukromý sektor; • zajištění rovného a efektivního financování dopravy: • rovná konkurence mezi jednotlivými druhy dopravy započtením mezních sociálních nákladů, • každý uživatel dopravy nese skutečné náklady, tj. externí náklady jsou internalizované, navíc zpoplatnění umožňuje řízení dopravních toků.

66

Ve Stockholmu začal pokusný provoz zpoplatňovacího systému. Během sedmi testovacích měsíců (1. 1. až 31. 7. 2006) došlo k poklesu dopravy o 22 %, emise CO2 poklesly o cca 2-3%, veřejná doprava se zvýšila zhruba o 6 %. Na počátku pokusu považovalo 55 % obyvatel Stockholmu zpoplatnění jako špatné rozhodnutí. V referendu, které se uskutečnilo v září 2006, však 53 % obyvatel odpovědělo na otázku „mělo by být zpoplatnění kongescí ve Stockholmu používáno?“ volilo pro zpoplatnění, 47 % proti. Ve 14 z 25 municipalit na periférii Stockholmu však hlasování dopadlo jinak. Na otázku „Mělo by být zpoplatnění kongescí ve Stockholmu natrvalo?“ odpovědělo ano pouze 40 % a ne 60 %. Není tudíž jisté, zda bude tento systém ve Stockholmu pokračovat. 67 Pro zavedení zpoplatní dopravy v dánských městech je však nejdříve třeba změnit legislativu. 68 V referendu v roce 2005 však byl návrh zamítnut.

199


V Evropě existuje poměrně dlouhá tradice zpoplatnění meziměstské dopravy, v případě mýtného ale převládá systém založený na koncesním provozování zpoplatněných komunikací (Francie, Itálie). Například Portugalsko spoléhá na zpoplatnění dálnic od počátku rozvoje své dopravní infrastruktury. Průkopnickou zemí, která zavedla zpoplatnění meziměstské dopravy na celé národní dopravní síti, bylo Švýcarsko, které od roku 2001 zpoplatnilo těžkou nákladní dopravu podle skutečně ujetých kilometrů. Tento krok je všeobecně považován za úspěch, protože vedl k poklesu motorové dopravy a obnově flotily těžkých vozidel směrem k nižším a levnějším emisním třídám vozidel. První vlaštovky najdeme ale také ve střední Evropě. Např. Maďarsko brzy po politických změnách na počátku 90. let díky zpoplatnění dopravní infrastruktury financovalo dálniční projekt. Nově zavedli zpoplatnění v Německu a Rakousku (2005 a 2004). Velká Británie plánuje zpoplatnit využívání celé své silniční sítě od roku 2010 pro vozidla nad 3,5 tuny. Počítá se s elektronickým způsobem výběru poplatků. Systém zpoplatnění připravuje Nizozemí, které chce zavést kilometrický zpoplatňovaní systém na všechna vozidla. Tradici regulace dopravy přes ekonomické nástroje mají také severské země, kde tradičně existuje vysoké zpoplatnění motorových vozidel a systém dálničních nálepek (vignette). Meziměstská (dálková) těžká nákladní doprava může být v EU zpoplatněna výkonově (mýtné) nebo časově (nálepkami, tzv. Eurovignette) u dálnic a rychlostních komunikací. Kromě tohoto zpoplatnění se využívá celá řada dalších ekonomických nástrojů k regulaci dopravy. Ve všech členských státech EU například najdeme daně z vozidel (v ČR silniční daň) a pohonných hmot. Minimální výše sazby spotřební daně z paliv pro členské země je stanovena směrnicí 2003/96/ES. Výjimku ze spotřební daně tvoří kerosín v letecké dopravě, který je od daně osvobozen. Stejně tak minimální výše daně z vozidla je dána směrnicí. Rovněž pro daně z vozidel, i když pouze nákladní vozidla nad 12 tun, jsou směrnicí 1999/62/ES stanoveny minimální sazby a současně je stanoveno pravidlo, podle kterého je takovou daň oprávněna vybírat pouze země, ve které je vozidlo evidováno. Další systémy zpoplatnění najdeme také v Řecku (Malgara, Atény), Nizozemí a na Islandu (Reykjavík). V mimoevropských zemích byly tyto systémy zavedeny v USA (tzv. E-PASS) od roku 1994, v Kanadě od roku 1997 a v Brazílii (São Paulo) od roku 1999. V Evropě rozšířenější jsou systémy elektronického mýta (EFC - Electronic Fee Collection), které již zavedla nebo plánuje zavést řada evropských zemí. EFC fungují v městských oblastech, např. v Nizozemsku a Spojeném království; pro určité kategorie vozidel (těžká nákladní vozidla) pak v Německu, Rakousku a Švýcarsku. Ačkoli jsou EFC v Evropě využívány především ke zpoplatnění vozidel za jízdu po vybraných úsecích komunikací, průjezdy tunely, po mostech, za vjezd nebo pohyb po městě atd., jejich využití je možné i např. k platbám za parkování vozidel nebo k automatickému zpoplatnění přepravy osob ve veřejné dopravě [více viz. Peltrám a kol. 2003]. Systémy elektronického mýta mají oproti jiným výběrům mýta výhody, že předchází kongescím, prodlevám a incidentům na výběrných místech. Z technologií EFC se v Evropě využívají tři – družicová navigace (GNSS/GPS a v blízké budoucnosti i

200


Galileo) ve spojení s mobilními komunikacemi (s využitím norem GSM/GPRS)69, dále systém EGNOS70 a mikrovlnné technologie. V Evropě jsou vyvíjeny snahy o dosažení interoperability systémů na celoevropské úrovni, což se zatím zdá jako neřešitelný problém, jelikož některé již provozované systémy začlenění do evropského systému neumožňují (Švýcarsko). Dotace a jiné přímé nebo nepřímé podpory z veřejných rozpočtů Řada dotací, ale i dalších podpor (snížení daně, daňové diferenciace, vratky atd.) má určitý dopad na životní prostředí. Přestože je cílem dotací podporovat společensky optimální činnosti, řada organizací v čele s OECD již několik desetiletí upozorňuje na existenci tzv. environmentálně nepříznivých dotací (Environmentally Harmful Subsidies, EHS), které poškozují životní prostředí, a nevedou tak ke zvyšování blahobytu společnosti. OECD [2004] definuje dotaci jako „takový nástroj, který udržuje ceny pro spotřebitele pod tržní úrovní, nebo pro výrobce nad tržní úrovní71“. Tato definice tak zahrnuje i tzv. skryté dotace. To jsou takové „dotace“ v podobě např. regulací, kdy pro sektor, který více poškozuje životní prostředí, jsou tyto regulace méně přísné, než pro sektor méně škodící životnímu prostředí. Jako příklad lze uvést nákladní dopravu, kdy uživatelé silnic jsou zvýhodněni zadarmo poskytovanou infrastrukturou oproti těm, kteří používají environmentálně příznivější železniční dopravu, z které však platí náklady za využívání železniční dopravní cesty. OECD [2004] však přesně definuje také environmentálně nepříznivé dotace (environmentally harmful subsidies, EHS) jako „všechny druhy finančních podpor a regulací, které jsou poskytovány, aby ovlivnily konkurenceschopnost určitých výrobků, procesů nebo regionů, a tak, společně s existujícím daňovým režimem (necíleně) diskriminovaly praktiky příznivější k životnímu prostředí72“. V nejširším pojetí si EHS můžeme rozdělit do čtyř skupin [EEB 2004]: • přímé a nepřímé státní dotace: granty ze státního rozpočtu, pobídky ze státních fondů, snížené daňové sazby atd.; • využívání přírodních zdrojů pod jejich hodnotou: případy, kdy jsou přírodní zdroje oceňovány na nerealisticky nízké úrovni, takže jejich užívání představuje skrytou dotaci (např. těžba); • neinternalizovaná škoda: všechny případy, kdy jsou následky znečišťování životního prostředí nebo znečišťující aktivity přenášeny na ostatní, tj. kde vznikají externí náklady, a jestliže byl znečišťovatel podpořen dotací ve výši odpovídající negativním externím nákladům;

69

Tato volba eliminuje potřebu nákladných investic do zařízení podél silnic a umožňuje využít nejmodernější techniky. 70 Od roku 2004 s vyšším stupněm přesnosti lokalizace, než jen GPS; navíc družicové stanovení polohy ve spojení s mobilními komunikacemi umožňují snadné uplatnění „zónových“ mýt 71 A subsidy is any measure that keeps prices for consumers below market levels, or for producers above market levels. 72 Environmentally harmful subsidies are all kinds of financial supports and regulations that are put in place to enhance the competitiveness of certain products, processes or regions, and that, together with the prevailing taxation regime, (unintentionally) discriminate against sound environmental practices.

201


•

veřejně poskytované zboží či služby nebezpečné pro životní prostředí: např. dálnice nebo odvoz odpadu za dumpingové-dotované ceny.

Dle zdrojů OECD [2004] jsou EHS široce rozšířeny a v průměru dosahují výše okolo 5 % HDP. Z toho tvoří dvě třetiny EHS podpory producentům v zemědělství. Odstranění takovýchto dotací je často [viz. EEB 2004, OECD 2004] považováno za příznivé řešení jak pro životní prostředí, tak pro zvýšení ekonomické efektivity. Odstranění EHS totiž odrazuje od určitého typu chování (nepříznivého pro životní prostředí) jeho relativním znevýhodněním, přičemž dále nepodporuje environmentálně nepříznivé chování, snižuje vládní výdaje, čímž vede ke snížení deficitů veřejných rozpočtů, snižuje distorze na trhu a nekonzervuje stávající stav, ale tlačí k technologickému rozvoji a inovacím.

2.3.2.2 Obchodovatelná povolení Flexibilní tržně konformní nástroje, reprezentované především obchodovatelnými emisními povoleními, patří do skupiny ekonomických nástrojů, tj. nástrojů využívajících tržní signály, k dosažení žádoucího chování tržních subjektů. I když je myšlenka obchodovatelných povolení podstatně mladší než myšlenka ekologických daní, nejedná se o žádnou novinku – tento systém navrhl v roce 1968 J. H. D. Dales73, přičemž důkaz nákladové efektivity tohoto nástroje provedl W. D. Montgomery v roce 197274. Cílem obchodování s emisními povolenkami je snížení celkového znečištění na přijatelnou úroveň (politicky stanovený cíl). Obchodovatelná emisní povolení fungují v podstatě jako jiné ekonomické nástroje. U emisních povolenek však fixujeme množství emisí (je zde tedy jistota týkající se jejich dopadu na životní prostředí), nejistý je jejich ekonomický dopad na konkrétní firmy – ceny povolenek se totiž stanovují až podle nabídky a poptávky na novém trhu s emisními povoleními. U daní jsou naproti tomu dopředu známy ekonomické dopady (díky přesně stanovené výši daňové sazby), nejistá je ale výše jejich dopadu na životní prostředí. Přívlastek flexibilní vyjadřuje větší variabilitu při dopadu těchto nástrojů na ekonomické subjekty. Emisní obchodování dává firmám větší prostor než daně při rozhodování o tom, jakým způsobem budou k emisím obchodovaných látek přistupovat. Znečišťovatelé mohou pružně reagovat – buď snížit své emise a splnit tak stanovený cíl úrovně emisí, nebo splnit cíl na více než 100 % a zbylé kredity si uložit k sobě „do banku“ či je odprodat těm, kdo cíle nedosáhli, nebo do třetice nesplnit stanovený cíl a zakoupit si nutné emisní povolenky. Vzhledem k tomu, že k emisím škodlivin je oprávněn pouze ten, kdo vlastní příslušné množství povolenek, případně si je musí koupit na trhu, je každý zapojený subjekt postaven před volbu jedné z těchto strategií. (Pokud subjekt znečišťuje nad míru danou vlastněnými povoleními, musí zaplatit pokutu, která je zpravidla větší než tržní cena emisních povolenek.) 73

Dales, J. H. D. [1968]: Pollution, Property and Prices.: An Essay in Policy Making and Economics. University of Toronto Press, Toronto. 74 Montgomery, W. D. [1972]: Markets in Licence and Efficient Pollution Control Programs. Journal of Economic Theory, 5, pp. 395-418.

202


Firmy si volí strategii na základě toho, zda bude cena za snížení emisí nižší než cena za nákup emisních kvót. Obecně můžeme rozlišit dvě formy obchodních transakcí – kreditní programy a limity přidělených emisí (cap-and-trade). U kreditních programů vznikají kredity, pokud znečišťovatel sníží emise pod požadovanou úroveň. Vytvoření kreditu i obchodování s ním zpravidla schvaluje příslušný orgán ochrany životního prostředí. Tyto kredity pak mohou být prodány těm, kteří limitů požadované úrovně znečištění nedosáhnou, případně si je firma schová „do banku“. Systém přidělených emisí (cap-and-trade) naproti tomu funguje tak, že je stanovený celkový cíl (strop, angl. cap) množství znečištění za určitý region / stát a časovou jednotku (zpravidla jeden rok), přičemž povolená množství znečištění jsou alokována mezi znečišťovatele ve formě emisních povolení. Distribuce povolenek mezi firmy může být zdarma, obvykle na základě historických dat (tzv. grandfathering), nebo formou prodeje od státu (např. formou aukce) či s využitím poplatku, který za povolení příjemce zaplatí příslušné zodpovědné instituci. V případě, že jsou povolenky prodány ve formě aukce, je možné dodatečné výnosy použít ke snížení jiných daní. Z toho vyplývá, že prodej povolenek formou aukce (s následnou recyklací výnosů) je relativně efektivnější než systém přidělení na základě historických dat (grandfathering). Celý systém může být povinný nebo dobrovolný. Pokud je v rámci určitého státu nebo regionu stanoven závazný kvantitativní limit, systém je povinný. Povinné systémy mohou být uzavřené (přístupné pouze určeným účastníkům trhu), nebo otevřené, umožňující dobrovolnou účast ostatních (zpravidla menších) znečišťovatelů. Kreditní programy Kreditní programy se využívají především v USA, a to již od roku 1974 (U.S. Environmental Protection Agency´s Emissions Trading Program). Další programy jsou zaměřeny na snížení používání olovnatého benzínu, obchodování s emisemi z motorů nákladních vozidel nebo obchodování s povoleními na kvalitu vody (water quality permit trading). Cap-and-trade Cap-and-trade programů existuje celá řada. Nejčastěji se takto obchoduje s povolenkami emisí CO2, SO2, nebo NOx. V listopadu 2002 byl podle výsledků mimo jiné těchto dvou pilotních programů vypracován Kanadský plán na boj s klimatickou změnou (Climate Change Plan for Canada, CCPC). V něm je navržen domácí systém obchodování s emisemi, přičemž tento systém byl měl fungovat v plné šíři nejpozději do roku 2008 [CCPC 2002]. Podle tohoto plánu budou největším znečišťovatelům emitovány emisní povolenky zadarmo, přičemž emisní cíl bude stanoven 15 % pod úrovní emisí, která se očekává v roce 2010 za situace, kdy by nebylo zavedeno emisní obchodování. Povolenky budou obchodovatelné jak na národní, tak mezinárodní úrovni. Příklad obchodování s povolenkami SO2 představuje program USA zaměřený na boj proti kyselému dešti, který vznikl v roce 1995. Výsledkem obchodování je, že plán na snížení emisí podniků byl splněn a dokonce překročen, když došlo k celkovému snížení emisí o 40 %. Cena emisního povolení tuny SO2 je nižší (130 – 200 USD/tunu), než se čekalo (300 – 1000 USD/tunu) [Stavins 2003].

203


Obchodování s kvótami NOx probíhá od roku 1999 v 9 státech USA. Plán na snížení emisí NOx byl splněn, přičemž cena emisního povolení jedné tuny oxidů dusíku je nižší (500 – 1000 USD za tunu), než se čekalo (1500 USD za tunu). Trh s oxidy dusíku má větší výkyvy než trh s emisemi oxidu siřičitého, je méně likvidní a jeho pravidla nejsou stále zcela sladěná [Stavins 2003]. Nejrozšířenější je systém obchodování s přidělenými povolenkami v Evropě, a to u obchodování s kvótami CO2. Například v Dánsku byl povinný program obchodovaní s emisními povoleními nastartován v roce 2001. Osm zdejších elektráren má stanoveny emisní limity, ovšem obchodování omezuje malý rozsah obchodů. Ve Velké Británii dobrovolné obchodování započalo v dubnu 2002. Zúčastnit se jej mohou všechny sektory až na dopravu a domácnosti. Existuje také společný unijní program obchodování s emisemi (EU ETS). Na rozdíl od „upstream“ přístupu – který je běžnější a ve kterém jsou obchodovány vypouštěné emise např. CO2 – mohou být pro sektor dopravy relevantnější přístupy „down-stream“. Ty se zaměřují na první vstup (fosilních paliv) na trh a povolenky jsou alokovány dle potenciálu znečištění z výrobku, tedy vozidla a celkového stanoveného emisního stropu. Pro sektor dopravy dále mohou být relevantní systémy „průměrování“ („averaging“), ve kterém autorita stanoví hodnotu průměrného limitu pro veškeré výrobky (auta, stroje) zpracovávané firmami ze stejného odvětví; firmy mají možnost převýšit limit pro určitý výrobek pouze tehdy, když o toto „přestřelení“ sníží emise oproti průměrnému limitu pro jiné výrobky [více viz OECD 2001b]. Jedním z konkrétních příkladů použití flexibilních tržních mechanismů v dopravě v praxi jsou kontrakty na práva znečištění v USA. Firmy s omezením rozsahu znečištění mohou svá práva znečištění rozdělit mezi svá vozidla a ostatní aktivity, dokonce prodat nepoužitá práva. Další příklad z USA představuje např. prodej práv na olovo v benzínu u rafinérií v období 1983 – 1987 nebo emisní práva k NOx a uhlovodíkům pro každý motor modelu výrobce75 (systém ABT76) obchodovaný mezi výrobci motorů.

2.3.2.3 Ostatní ekonomické nástroje Dobrovolné dohody Dobrovolné dohody se využívají především ke snižování nepříznivých dopadů emisí a hluku. Představují nový a méně známý nástroj, v dopravě zatím nepříliš častý. Dobrovolné dohody tvoří tyto kategorie: • jednostranné závazky (unilateral commitments) – jde o dohody zaměřené a dobrovolně přijaté samotnými firmami, ve kterých jsou stanoveny environmentální cíle a opatření na jejich dosažení. V České republice byl např. uzavřen jednostranný závazek České asociace petrolejářského průmyslu a obchodu týkající se jakostních znaků pohonných hmot; • dobrovolná řešení, iniciovaná dobrovolná řešení (public voluntary schemes) – jde o dobrovolné přistoupení firmy na určitá pravidla, která jsou předem stanovena veřejnou institucí, např. státní správou na ochranu životního 75 76

Tzv. FEL – Family Emission Limit Averaging, Banking and Trading

204


•

prostředí. Pravidla charakterizují danou iniciativu, podmínky přistoupení k iniciativě, soubor opatření, způsob realizace a kontroly. Příkladem pro tento typ jsou zavádění EMAS a norem řady ISO 14000; vyjednávací dohody, dobrovolné environmentální dohody (negotiated agreements) – jde o smluvní dohody mezi firmami a veřejnou autoritou, obsahující konkrétní cíle, časový horizont a způsob jeho naplnění.

V USA jsou s tímto nástrojem docela dobré zkušenosti, v EU patří k nejvýznamnějším trojice dobrovolných dohod se sdruženími výrobců automobilů ACEA, JAMA a KAMA ke snížení měrných emisí oxidu uhličitého z osobních automobilů na úroveň 120 g/km do roku 2010. V ČR k dobrovolným dohodám panuje spíše obezřetnost, neboť první takové dohody (s výrobci pracích prášků a sdružením producentů odpadů) skončily fiaskem. V dopravním sektoru patří mezi dobrovolné dohody s průmyslem kromě již výše uvedeného jednostranného závazku ČAPPO závazky dopravních firem na zavedení vozidel na ekologičtější paliva (a tudíž snížení emisí), ale i závazky firem, které se zaváží k řízení mobility. Pomocí plánů řízení mobility se dosáhne ekologických zlepšení, firmy takto mohou také ušetřit finanční prostředky vydávané na podporu dojíždění, parkování a na obchodní cesty uskutečňované automobily. Nejnověji, v březnu 2006, uzavřely plynárenské distribuční společnosti dobrovolnou dohodu s Ministerstvem průmyslu a obchodu o podpoře zemního plynu v dopravě jako alternativního paliva, která by měla vést k vybudování potřebné infrastruktury, včetně poskytování přímých dotací plynárenskými společnostmi na nákup autobusů na CNG pro MHD. Dobrovolné dohody mohou být kombinovány s dalšími nástroji, častá jsou emisní povolení. Příkladem kombinovaného působení těchto dvou nástrojů může být společnost British Petroleum [viz. Jílková 2003], která se zavázala v roce 1998 snížit emise o 10 % vzhledem k emisní základně z roku 1990, a to do roku 2010. Pro splnění emisního cíle si stanovila následující kroky: • interní akce vedoucí ke zvýšení energetické efektivnosti zařízení firmy a redukci vypouštěných spalin, • snížení emisí tvořených produkty British Petroleum, • využití flexibilních mechanismů jako je emisní obchodování, Joint Implementation a Clean Development Mechanism. Podobně se zavázala snížit emise o 2 % během tří let Shell group. Pojištění Pojištění představuje základní nástroj internalizace dopravních nehod. Internalizace je o to účinnější, pokud je pojistný systém postaven na diferencovaných pojistných prémiích s větší bonifikací za bezpečný provoz a naopak penalizaci řidičů s nehodami. Podle Bílé knihy ES „Ke správnému a efektivnímu oceňování výkonu v dopravě“ by měl pojišťovací systém zajistit, aby pojistné závazky kryly plné náklady nehody a aby byly prémie diferencovány, jak jen je možno: • stažením podpory úhrady dopravních nehod, které v současné době vyplácejí vlády a společnosti, a ponechat, aby pravdivé a celkové náklady nesla řidičská veřejnost,

205


•

přizpůsobením nákladů pojištění výši rizika. Odpovědné chování řidiče by mělo být odměňováno, a naopak zavedena škála poplatků při přestupku, nejlépe spojená s bodovacím systémem řidičského oprávnění. Individuální uživatelé by takto dostávali přímé finanční podněty a sami by se rozhodli o snížení rizika nehod způsobem, jaký považují za správný (přejitím na jiné druhy dopravy, bezpečnější jízdou, atd.). V EU byly proto přijaty politické závěry, které sledují: • podporu harmonizace zaznamenávání a vyhodnocení statistiky dopravních nehod Společenství; • pojistné prémie jako nejpřímější a nejkoncentrovanější metodu orientace řidiče v podílu na rizicích. V ČR zastupuje tento nástroj především povinné ručení a havarijní pojištění. Povinné ručení nahrazuje zákonné pojištění odpovědnosti za škodu způsobenou provozem motorového vozidla. Je ho povinen sjednat vlastník motorového vozidla dle zákona č. 168/1999 Sb. o pojištění odpovědnosti z provozu vozidla. Dle tohoto zákona musí pojištění sjednat vlastník motocyklu, tříkolky nebo čtyřkolky, osobního automobilu, autobusu, nákladního automobilu, speciálního automobilu, tahače, přípojného vozidla, traktoru, pracovního stroje samojízdného, pracovního stroje přípojného, jednonápravového traktoru s přívěsem, pokud chce provozovat své vozidlo na veřejně přístupné pozemní komunikaci. Odpovědnost provozovatele motorového vozidla za škodu způsobenou provozem jeho vozidla je přitom odpovědností objektivní, tzn. vzniká bez zavinění a zpravidla se jí nelze zprostit. Havarijní pojištění slouží ke krytí škod na vlastním automobilu při dopravní nehodě. V případě zavinění druhou osobou je škoda hrazena z povinného ručení viníka, uplatnění tedy havarijní pojištění nalezne při dopravní nehodě způsobené řidičem havarijně pojištěného automobilu. Protože v případě zavinění dopravní nehody druhou stranou je škoda hrazena z povinného ručení viníka, je výhodné zejména pro často havarující řidiče.

2.3.3 PŘEHLED HLAVNÍCH DOPADŮ JEDNOTLIVÝCH NÁSTROJŮ REGULACE Jednotlivé nástroje regulace si vybíráme podle jejich očekávaného dopadu, délky času jejich působení, náročnosti jejich implementace, územního působení (lokální x národní) atd. Podívejme se, jaké konkrétní ekonomické nástroje se dají použít pro regulaci jednotlivých druhů (osobní) dopravy k regulaci vybraných jevů. Přehledně je zachycuje následující tabulka.

206


Tabulka 2.3.2: Možnosti regulace osobní dopravy prostřednictvím nástrojů zpoplatnění Nástroj Všechny mody

Silnice

Železnice

Vodstva

Vzduch

Pojištění (vč. bonusů-malusů) Daň z pohonných 2 hmot Poplatek za vjezd na území (ulice města) Roční daň z vozidla/prodejní daň Parkovací poplatky Výkonové zpoplatnění – mýtné Časové zpoplatnění (vignette) Poplatek za přístup na železniční trať Poplatek za přístup do stanice Poplatek za vjezd do přístavu, přistávací poplatky Poplatky za leteckou navigaci Letištní poplatky

Infrastruktura

Kongesce

Omezenost přístupu

CO2

Regionální emise

Lokální emise

Hluk

1

Nehody 999

9

9

9

9

999

9

999

9

9

9 9

999

9 99

99

9

9

9

999

1

99

9

999

1

999

9

999

99

999

99

999

9

9

999

999

999

9

99

99 9

999

999

999

9

99

999

99

99

999

9

9

999

999

1

současně se uplatňuje přímá regulace tyto daně mohou být sníženy v případě uplatnění účinnějších poplatků za užívání 999 označuje doporučený nástroj pro zohlednění daných nákladů 99 označuje krátkodobý zástupný (proxy) nástroj 9 označuje méně vhodný zástupný (proxy) nástroj Zdroj: High Level Group on Transport Infrastructure Charging [1999] Final Report on options for charging users directly for transport operating costs, European Commission DG VII, p. 24

2

Ekonomické nástroje si můžeme rozdělit také přímo podle jejich dopadů na jednotlivé oblasti. Takto lze získat například nástroje regulace dopravních nehod, hluku, poškozování dopraví infrastruktury či kongescí. Nástroje regulace dopravních nehod Nejčastěji uváděným ekonomickým nástrojem regulace dopravních nehod je pojištění. Podle Zelené knihy ES „Ke správnému a efektivnímu oceňování výkonu v dopravě“ by

207

9


měl pojišťovací systém zajistit, aby pojistné závazky kryly plné náklady nehody a aby byly prémie diferencovány, jak jen je možno: stažením podpory úhrady dopravních nehod, které v současné době vyplácejí vlády a společnosti, a ponechat, aby pravdivé a celkové náklady nesla řidičská veřejnost, přizpůsobením nákladů pojištění výši rizika. Odpovědné chování řidiče by mělo být odměňováno, a naopak zavedena škála poplatků při přestupku, nejlépe spojená s bodovacím systémem řidičského oprávnění. Individuální uživatelé by takto dostávali přímé finanční podněty a sami by se rozhodli o snížení rizika nehod způsobem, jaký považují za správný (přejitím na jiné druhy dopravy, bezpečnější jízdou, atd.). V České republice představují velký problém nehody v intravilánu (tj. na území obcí) – podle poslední Ročenky dopravy ČR za rok 2005 připadlo z celkového počtu nehod na obce téměř 62 %. Je proto třeba, aby se na eliminaci nehod aktivně podílely místní správní a samosprávné orgány ve spolupráci s policií, dopravními odborníky, ale i veřejností. Nástroje regulace hluku z dopravy Jako hlavní ekonomický nástroj regulace hluku z dopravy jsou považovány daně. Daň na nová vozidla v závislosti na jejich hlukových kategoriích lze použít ve spojení s osvědčením testovacích servisů o hlukové kategorii vozidla. Měla by být otevřena možnost provozovatele snížit hladinu hluku a tím i daň. Jinou cestou by byla možnost zpoplatnění hlučných vozidel v ekologicky citlivých oblastech. Případná daň placená výrobcem by měla motivovat k výrobě vozidel, která mají menší hodnoty hluku. O zavedení tohoto nástroje vážně uvažuje např. Rakousko [Jeník 2001]. Nástroje regulace poškozování dopravní infrastruktury Zpoplatnění nákladů infrastruktury by mělo v ideálním případě uspokojovat kritérium oceňování mezními náklady. To je důležité pro efektivnost dopravního systému, protože poskytuje individuálním uživatelům podnět příslušné náklady snížit. V souhrnu by měly poplatky za infrastrukturu uhradit adresované náklady infrastruktury. V případě kapitálových nákladů (které nezávisí na užití) princip mezních nákladů nevede sám o sobě k plné úhradě nákladů (pak bude muset sektor financovat státní rozpočet zdaněním/zpoplatněním jiných aktivit). K úhradě nákladů silniční infrastruktury se v EU používá roční daň z vozidel a spotřební daň na motorová paliva. Dalším nástrojem je mýtné či poplatky za užívání silnic. Švédsko před připojením k Unii uplatňovalo také u vozů s dieselovým pohonem daň, spočívající na ujetých kilometrech, váze a počtu náprav – tzv. kilometrickou daň. Aby byl systém zpoplatnění nákladů spojených s poškozováním komunikací účinný, musel by být velice diferencovaný podle charakteristiky vozidel, počtu najetých kilometrů atd. Problémem je však ekonomická efektivnost a administrativní náročnost takovéhoto systému. Jedním z řešení minimalizujících administrativní náklady systému je zavedení elektronického systému ve výběru mýtného. Nástroje regulace kongescí Hlavní ekonomický nástroj regulace kongescí představuje systém poplatků. Příjmy ze zpoplatnění kongescí by se mohly použít ke krytí kapitálových nákladů dopravní sítě či

208


snížit jiné daně používané k financování infrastruktury nebo k financování veřejné dopravy. V ideálním případě by měly být poplatky diferencované podle místa a času, např. v době dopravní špičky na nejfrekventovanějších místech by byly nejvyšší. Systém by měl v každém případě brát v úvahu náklady spojené s administrací a řízením celého systému. Velmi populární se stávají elektronické systémy zpoplatnění – ty umožňují díky kartám, nainstalovaným ve vozidle, efektivní zpoplatnění různými sazbami a to bezhotovostně přímo odečtením příslušné částky z účtu majitele vozidla. Podívejme se ale zvlášť na efektivnost vybraných nástrojů regulace. Z pohledu ekonomické efektivity budeme zkoumat dopady na veřejné finance, dále dopady na životní prostředí (environmentální efektivnost) a možné negativní vedlejší efekty.

2.3.3.1 Ekologické daně Ekonomická efektivnost: Dopady na veřejné finance Výnosy především spotřebních daní z uhlovodíkových paliv a maziv tvoří významnou část příjmů veřejných financí (cca 6 % celkových příjmů státního rozpočtu). Patří sem část spotřební daně z uhlovodíkových paliv a maziv připadající na motorová paliva, silniční daň, dálniční známky a silniční mýtné. Dále sem patří příslušná část výnosů DPH a přímých daní. Výnos spotřebních daní na celkových uvedených výnosech pro celý dopravní sektor se podílí v průměru 87 %, silniční daň 10 % a dálniční známky 3 %. Environmentální efektivnost Daně a poplatky mají vliv především na spotřebu energie, emise CO2 a ostatních skleníkových plynů a jejich dopady na životní prostředí a zdraví obyvatel. Nárůst daní a poplatků může snížit environmentální dopady dopravy díky zvýšení obsazenosti vozidla a snížení množství najetých kilometrů. Možné negativní vedlejší efekty U poplatku za využívání dálnic a rychlostních silnic existuje stále možnost volit jiné, nezpoplatněné cesty, což může mít signifikantní negativní environmentální dopady a dopady na zdraví obyvatel průjezdních území.

2.3.3.2 Daňové diferenciace, výjimky a úlevy Ekonomická efektivnost Daňové diferenciace, úlevy a výjimky mají podobný ekonomický dopad jako dotace. Tím, že mění relativní ceny jednotlivých dopravních služeb, zvyšují substituční efekt mezi jednotlivými druhy dopravy, a tudíž i rozsah jejich využívání. V případě, že jsou tyto nástroje dobře nastaveny, dochází k přesunu poptávky od dopravy více znečišťující k environmentálně příznivější. Příliš velká škála daňových diferenciací, úlev a výjimek však vede k nepřehlednému a nepružně fungujícímu daňového systému, větší korupci a nefunkčnosti veřejných financí.

209


Environmentální efektivnost Pozitivní environmentální dopady mohou mít daňové úlevy a výjimky podporující např. alternativní paliva. V úvahu se však musí vzít, že díky nižším cenám přispívají k celkovému růstu dopravy se všemi negativními efekty na životní prostředí. Naopak významný pozitivní dopad mají daňové úlevy, které vedou k relativnímu cenovému poměru mezi veřejnou hromadnou a individuální automobilovou dopravou výhodnějšímu pro hromadnou dopravou. Možné negativní vedlejší efekty Korupce, lobbying a zvýhodňování určitých skupin obyvatelstva.

2.3.3.3 Poplatky a daně ze znečištění Ekonomická efektivnost: Dopady na veřejné finance Výnosy z poplatků a daní ze znečištění zatím představují velmi malou část příjmů veřejných financí. Potenciálně však tento ekonomický nástroj může představovat efektivní nástroj regulace, jehož výnosy mohou být vázány přímo ve zvláštních fondech určených na recyklaci nebo snižování negativních dopadů dopravních činností na životní prostředí. Environmentální efektivnost Poplatky a daně ze znečištění mají významný vliv na snižování znečištění z konkrétního zdroje znečištění (ať již výrobku – jako např. motorové vozidlo či jeho části – nebo přímo dopravní či přepravní služby). Možné negativní vedlejší efekty U poplatků a daní ze znečištění může dojít k potenciálním negativním dopadům na životní prostředí, pokud budou zpoplatněné subjekty hledat způsob, jak se zpoplatnění vyhnout (např. černými skládkami, vývozy jinak zpoplatněných vraků do jiných zemí apod.).

2.3.3.4 Kilometrické zpoplatnění Ekonomická efektivnost Mýtné plně naplňuje myšlenku „každý za své“. Efektivní je zvláště v případech, kdy je zavedeno za účelem pokrytí nákladů infrastruktury. Osvědčilo se však i v městských aglomeracích při řešení problému kongescí (Londýn) či nadměrné emisní zátěže. Větší ekonomický dopad má však zpoplatnění jednotlivých kilometrů, kdy mýtné efektivně působí na snižování najetých kilometrů v krátkém i dlouhém období. Zároveň se může projevit substituční efekt směrem k alternativám vůči silniční dopravě (především železniční dopravě) díky změně relativních cen. Environmentální efektivnost Mýtné má dopad na tyto faktory: • spotřeba energie a produkce emisí CO2 210


• • • • •

produkce ostatních skleníkových plynů hluk užití a fragmentace místa ohrožení bezpečnosti na silnicích kongesce.

Mýtné slouží především k pokrytí nákladů na infrastrukturu, ovšem jeho výhodou je, že může být nastaveno i na ošetření jiného problému (např. kongescí v městských aglomeracích). Mýtné přímo působí na snižování množství ujetých kilometrů a nepřímo přispívá ke zvýšení obsazenosti automobilů, což přináší pozitivní dopad na životní prostředí. Kilometrické zpoplatnění je navíc v souladu s Bílou knihou Evropské komise „White Paper on Fair Payment for Infrastructure Use“, která byla přijata v roce 1998 a která zdůrazňuje nutnost zavedení „spravedlivých cen“ v dopravě, tj. cen, jež zahrnují všechny náklady (i externí) dopravou způsobené. Možné negativní vedlejší efekty Významný problém s negativním dopadem na životní prostředí může představovat snaha řidičů vyhnout se zpoplatněným komunikacím. Při zavádění elektronického mýtného je také nutné zvážit harmonizaci použité technologie s členskými zeměmi EU (kde existují tři vzájemně nekompatibilní systémy).

2.3.3.5 Dotace a jiné přímé nebo nepřímé podpory z veřejných rozpočtů Ekonomická efektivnost Dotace představují ekonomický nástroj, který má podpořit a zvýhodnit určitou činnost nebo výrobek považovaný za pozitivní pro společnost. Tím, že mění relativní ceny jednotlivých druhů dopravy, posilují substituční efekt mezi nimi (příp. jednotlivými palivy v dopravě). Dopad na ceny může zároveň vést k nárůstu poptávky po některém druhu dopravy, a tím příp. i k nárůstu poptávky po dopravě celkově. Vzhledem k tomu, že dotace jsou poskytovány z veřejných rozpočtů, je třeba zvážit jejich ekonomickou efektivnost na úrovni makro- i mikroekonomické. To, že se díky dotacím dosáhne chtěného chování, nemusí znamenat automaticky ekonomickou efektivnost. Problém dotací je o to složitější, že se jedná o vysoké částky na všech úrovních veřejných rozpočtů i mimorozpočtových fondů. Kritéria environmentální Daňové úlevy pro vozidla, která splňují emisní limity stanovené Evropskou komisí – tzv. EURO 3 – a dále slevy na dani pro vozidla, která využívají kombinovanou přepravu, působí pozitivně vůči životnímu prostředí. Osvobození od spotřební daně z uhlíkových paliv a maziv a snížení sazby silniční daně u vozidel používaných v rostlinné výrobě mají naopak zřetelný negativní dopad na životní prostředí, neboť zvýhodňují používání klasických fosilních paliv. Environmentálně nepříznivě působí také osvobození od spotřební daně na paliva a maziva používaná jako pohonná hmota pro vnitrostátní a mezinárodní obchodní leteckou

211


dopravu a letecké práce, dále vratka daně osobám provozujícím zemědělskou prvovýrobu a vratka daně ozbrojeným silám. Možné negativní vedlejší efekty Možné negativní efekty mohou být spojeny s korupcí, lobbyingem a zvýhodňováním určitých skupin obyvatelstva.

2.3.3.6 Dobrovolné dohody Ekonomická efektivnost Výhodou pro stát je, že v případě dobrovolných dohod ušetří úsilí spojované s přijímáním nové legislativy, na druhé straně firmy mohou být státem propagovány či zvýhodňovány při státních zakázkách. Pro firmu však jejich zavedení může znamenat úspory prostředků, např. na podporu parkování, dojíždění či obchodní cesty automobilem, pokud se dobrovolně zaváží podporovat environmentálně šetrné druhy dopravy. Předností dobrovolných dohod oproti daňovým nástrojům je, že mohou zachytit emise z velkých průmyslových jednotek tam, kde daňové nástroje selhaly z politických důvodů (např. vláda vyjednala energeticky náročným podnikům slevy a výjimky z daní). Naopak problémem mohou být velké administrativní a další náklady vyjednávání. Environmentální efektivnost Environmentální efektivnost u dobrovolných dohod je problematická; často totiž může jít o krok, který je pouze součástí vylepšení image a firma jen zavede něco, co by časem stejně musela udělat / splnit, a to za použití tvrdších (především ekonomických) nástrojů ze strany státu. Navíc špatně uzavřená dobrovolná dohoda může konzervovat nevyhovující stav a míra znečišťování životního prostředí se ve svém důsledku nesníží. Účinná však může být v případě, že donucovací „nedobrovolné“ prostředky (např. daňové) v případě daného subjektu selhaly. V zásadě však platí, že k zásadnějším změnám např. v produkci emisí je třeba využít nástroje s větším tlakem na danou firmu / odvětví / spotřebitele (např. nástroje poplatkové a daňové). Možné negativní vedlejší efekty Možným negativním vedlejším efektem může být „zelené“ image firem, které mohou za „zelenou“ nálepkou dobrovolné dohody skrýt opatření bez výraznějšího dopadu na životní prostředí. Problém může být ale i opačný – nedůvěra obyvatel v plnění závazku firem. Je totiž pravdou, že neexistuje garance plnění dobrovolných dohod ze strany firem. Dalším negativem je, že firmám obvykle chybí motivace ke zlepšení nad cíl stanovený v dobrovolné dohodě.

2.3.3.7 Pojištění Ekonomická efektivnost Povinné ručení představuje tržně kompatibilní nástroj, který může při svém vhodném nastavení (diferenciace plateb pojistného dle nehodovosti pojištěnce atd.) působit výrazně 212


motivačně při předcházení dopravních nehod. Vzhledem k tomu, že nehody znamenají ročně významné hmotné ztráty a ztráty na životech a zdraví obyvatel, jeho efektivní fungování může ušetřit řadu nákladů soukromých i veřejných spojených s odstraňováním těchto škod. Pojištění zároveň přispívá k fungování a rozvoji pojistného sektoru, což může mít pozitivní důsledky pro ekonomiku. Environmentální efektivnost Povinné ručení může mít pozitivní dopady na životní prostředí, pokud bude zavedeno tak, aby efektivně přispívalo ke snižování nehodovosti na silnicích. Méně nehod totiž znamená i menší environmentální zátěž jak z přímých důsledků nehod (rozlité pohonné hmoty, vraky, atd.), tak z nepřímých důsledků (vyšší množství vraků, nutnost oprav a většího množství náhradních dílů atd.). Možné negativní vedlejší efekty Negativní efekty ekonomické, environmentální a sociální mohou nastat při špatném nastavení systému povinného ručení – především pokud by zvýhodňoval řidiče, kteří způsobují často nehody.

2.3.4 LEGISLATIVNÍ UKOTVENÍ JEDNOTLIVÝCH NÁSTROJŮ 2.3.4.1 Evropská dopravní politika Základní programovým dokumentem v oblasti dopravy je Bílá kniha: Evropská dopravní politika pro rok 201077. Cílem této Bílé knihy je nastolit rovnováhu mezi ekonomickým rozvojem a požadavky společnosti na kvalitu a bezpečnost pro rozvoj moderního a udržitelného přepravního systému pro rok 2010. K dosažení těchto cílů navrhuje opatření k rozvoji takového přepravního systému, který nastolí rovnováhu mezi jednotlivými druhy dopravy, oživí železnice, podpoří přepravu po moři a vnitrozemských vodách a bude kontrolovat růst letecké přepravy. Na podzim 2006 zveřejnila EK výsledky zhodnocení Dopravní politiky v její polovině. V tomto vyhodnocení je kladen na použití nástrojů pro optimalizaci užívání všech druhů dopravy (co-modality), mj. inteligentních systémů řízení dopravy. Poměrně menší pozornost je věnována ekonomickým nástrojům (zpoplatnění), což lze doložit mimo jiné konstatováním, že členské státy vyjadřují odlišné postoje k tomu do jaké míry je nutné zahrnout externí náklady do nákladů infrastruktury78. K této otázce se nepochybně ještě rozvine velká diskuse, až EK představí (což má učinit nejpozději do 10. 77

White Paper "European transport policy for 2010: time to decide", COM[2001] 370 final, September 2001 78 Communication from the Commission to the Council and the European Parliament: Keep Europe moving - Sustainable mobility for our continent - Mid-term review of the European Commission’s 2001 Transport White Paper - Policy debate, 13847/06 – TRANS 257, 12.10.2006, Brusel

213


6. 2008) všeobecně použitelný, transparentní a srozumitelný model pro hodnocení všech externích nákladů, který má sloužit jako základ pro budoucí výpočty zpoplatnění infrastruktury a spolu s modelem i analýzu dopadů internalizace externích nákladů pro všechny druhy dopravy79. Doprava a města Cíle EU v oblasti městského prostředí a dopravy se týkají snah o omezení kongescí, snížení nehodovosti a znečištění ovzduší a zároveň zvýšení mobility podnikání a obyvatel [Kopanezou 2006]. S ohledem na relativně omezenou působnost EU v oblasti dopravy ve městech je významným fenoménem zaměření na napojení městských aglomerací na hlavní letiště a sítě TEN-T. V převážné míře EU setrvává v rovině podpory výměny informací a nejlepších praktik v různých projektech a programech (CIVITAS, URBACT, Inteligent Energy Europe, RTD FP). Mezi nástroji financování ze strany EU hrají klíčovou roli kohezní politika (Kohezní fond), EIB a EBRD. Za opatrný krok vpřed lze označit Tématickou strategii pro městské životní prostředí80, vydanou na základě 6. Akčního programu pro životní prostředí, která podstatě explicitně vylučuje použití legislativních nástrojů na úrovni EU81. Přínos ze strany EU je tak formulován jako 1) poradenství o integrovaném přístupu ke správě životního prostředí, 2) poradenství o plánech udržitelné městské dopravy, 3) podpora pro širokou výměnu osvědčených postupů v rámci EU, 4) zřízení tématického portálu pro místní orgány, 5) školení a 6) využívaní ostatních podpůrných programů Společenství (mezi jinými kohezního a strukturálních fondů a výzkumu). Jako navazující krok by Evropská komise měla v 2. polovině roku 2007 vydat Zelenou knihu o městské dopravě, která má usměrnit diskusi o tématech, které v souladu s principem subsidiarity vyžadují společné řešení na úrovni Společenství. V této souvislosti je nutné uvést, že významným faktorem, který nahrává úvahám o potřebě společného řešení je fakt, že ve valné většině evropských aglomerací jsou překračovány emisní stropy pro prachové částice, a přízemní ozon stanovené na základě směrnic 2001/81/ES a 2000/30/ES. Součástí ambiciózních integrovaných dopravních politik je kromě rozvoje veřejné dopravy a alternativních paliv i širší záběr zahrnující mimo jiné i zavádění systémů řízení poptávky založený na zpoplatnění komunikací a parkování v relaci na ceny ve veřejné dopravě, regulace parkování, regulace přístupu a omezování rychlosti s využitím moderní telematiky (vč. např. satelitních systémů). Nedílnou součástí je i zavádění a rozšiřování terminálů a souvisejících řešení pro distribuci nákladů a podpora alternativ automobilové dopravy (bydlení bez parkovacích míst, car-sharing, car-pooling, cyklostezky, chodníky a (polo)pěší zóny). Realizace takových integrovaných politik je významně usnadněna vhodným institucionálním, organizačním a plánovacím uspořádáním správy města. TEN-T 79

Viz čl. 1 bod 9 směrnice 2006/38/ES, kterým se mění čl. 11 směrnice 1999/62/ES o výběru poplatků za užívání určitých pozemních komunikací těžkými nákladními vozidly 80 Sdělení Komise Radě a Evropskému parlamentu o tématické strategii pro městské prostředí, Brusel 11.1.2006, KOM[2005] 718 81 Viz bod 3 strategie „ bylo však rozhodnuto, že legislativní řešení by nebylo nejlepším cestou k dosažení cílů této strategie“.

214


Rozvíjení transevropských sítí je považováno za zásadní příspěvek k dosažení fungování vnitřního trhu a konsolidace ekonomické a sociální soudržnosti82. Ve vazbě na Bílou knihu o dopravní politice byly v roce 2004 změněny hlavní směry rozvoje transevropské dopravní sítě a definováno 30 prioritních projektů TEN83. Nově definované směry rozvoje napříště upřednostňují investice do infrastruktury železnic (zejména do jejich revitalizace), vnitrozemských vodních cest, pobřežní plavby, intermodálních provozů a účinného vzájemného propojení. Jako jeden z důvodů rovněž rozhodnutí zmiňuje, že tyto druhy dopravy způsobují menší škody na životním prostředí. Obecné principy Společné dopravní politiky Doprava je považována za jeden z klíčových prvků společného trhu, tomu odpovídá i její zařazení jako samostatné hlavy ve Smlouvě o založení Evropského společenství (vstoupila v platnost 1. 1. 1958). Mezi klíčové principy, na nichž je společná dopravní politika založena, kromě jiných patří: • přijímání společných pravidel pro mezinárodní dopravu a dalších potřebných předpisů (Maastrichtskou smlouvou z roku 1992 bylo zavedeno rozhodování kvalifikovanou většinou) • zákaz znevýhodňovat (i nepřímo) dopravce jiných členských států ve srovnání s domácími dopravci, • možnost poskytování podpor, které odpovídají potřebě koordinovat dopravu nebo náhradě za plnění odpovídající veřejné služby. Druhý z principů je zároveň limitujícím z hlediska spektra možností omezování dopravy. V čl. 72 totiž smlouva výslovně zakazuje členským státům měnit předpisy upravující oblast dopravy (leda s jednomyslným souhlasem Rady) způsobem, který by jakkoli znevýhodňoval dopravce z jiných členských států, není-li tato možnost dána komunitárním předpisem. Díky tomu, že realizace společné dopravní politiky vyžadovala v původním znění smlouvy jednomyslnost, zůstávala až do přijetí Maastrichtské smlouvy víceméně na papíře.

2.3.4.2 Dopravní politika ČR Dopravní politika V rámci priority 4.5 Podpora rozvoje dopravy v regionech je stanoven specifický cíl 4.5.2 Regulace a zpoplatnění dopravy ve městech, který mezi opatření, jež by města a regiony měly přijímat, zahrnuje „vytvoření právního rámce pro zavedení mýtného (…) na základě komplexní analýzy dopadů na podnikání, životní prostředí a veřejné zdraví ve zpoplatněné oblasti“. Dopravní politika v oblasti zpoplatnění dopravní infrastruktury požaduje postupné zavedení výkonového zpoplatnění silniční infrastruktury, harmonizaci výpočtu poplatku za užívání železniční dopravní cesty s poplatkem za užívání silniční infrastruktury a v letecké dopravě, vedle poplatků za užívání letiště a letových provozních služeb, vhodné

82

Srov. čl. 154-156 Smlouvy o založení ES ve znění Smlouvy z Nice. Rozhodnutí Evropského parlamentu a Rady 884/2004/ES, kterým se mění rozhodnutí č. 1692/96/ES o hlavních směrech Společenství pro rozvoj transevropské dopravní sítě

83

215


ekonomické nástroje na snižování vlivu dopravy na životní prostředí a veřejné zdraví (kap. 4.1.2 Harmonizace podmínek přepravního trhu a zpoplatnění uživatele). Jedním z nástrojů realizace dopravní politiky má být i novelizace zákona o pozemních komunikacích, která upraví zpoplatnění vjezdu do centra měst a způsoby regulace dopravy v centru měst (kap. 6.1 Právní nástroje). Generální plán rozvoje dopravní infrastruktury (GEPARDI) GEPARDI je strategickým rámcem systémového přístupu k rozvoji dopravní infrastruktury, který zahrnuje evropskou dopravní politiku a zdroje financování, Dopravní politiku ČR, závazky vyplývající z právních předpisů a návaznost na ostatní strategické dokumenty. Strategie podpory dopravní obsluhy území Tato strategie by měla v návaznosti na regionalizaci zajištění veřejné dopravy vést k naplnění tří specifických priorit: 1) stabilnímu a otevřenému prostředí na přepravním trhu, 2) zajištění systému propojené veřejné dopravy a 3) vhodnému nastavení technického zabezpečení systému. Ministr dopravy má konečný návrh předložit vládě ke schválení do 31. 12. 2006.

2.3.4.3 Zpoplatnění infrastruktury – harmonizace v EU Problematikou zpoplatnění užívání infrastruktury se Evropská komise po přijetí Maastrichtské smlouvy systematicky zabývala ve dvou strategických dokumentech – Zelené knize: K spravedlivému a efektivnímu stanovení cen v dopravě [1995]84 a na ni navazující Bílé knize: Spravedlivý systém poplatků za užití dopravní infrastruktury [1998]85. Tato Bílá kniha stanovila prioritní akce pro první dvě fáze její implementace. Kromě rozvíjení konzistentních oceňovacích a účetních postupů, navrhla zvážit následující opatření pro silniční přepravu: elektronické zpoplatnění, elektronické systémy vybírání poplatků, financování výzkumu zpoplatnění užívání silnic, rozvoj harmonizovaných metod pro zjišťování nákladů silniční infrastruktury, analýzy krytí nákladů silničních nehod a revizi legislativy upravující státní pomoc. Jak vyplývá ze závěrů této Bílé knihy, EU klade zásadní důraz na stanovení odpovídajících cen v (silniční) dopravě. Na potřebnosti zahrnutí plných společenských nákladů při užívání dopravy se ostatně shodují všechny tři zmiňované strategické dokumenty (Bílé a zelené knihy o dopravě), ačkoliv po dlouhou dobu bylo cílem návrhů na zpoplatnění pokrytí nákladů na údržbu a operačních nákladů v dopravě. I když snaha o harmonizaci zpoplatnění silniční infrastruktury má počátky v 60. letech, prvním krokem v tomto směru bylo přijetí směrnice 93/89/EHS o zdaňování určitých vozidel určených k přepravě zboží členskými státy a o výběru mýtného a poplatků za užívání vybraných komunikací v roce 199386, v roce 1999 nahrazené 84

Zelená kniha K spravedlivému a efektivnímu stanovení cen v dopravě, COM[1995] 691 Bílá kniha Spravedlivý systém poplatků za užití dopravních infrastruktur: Odstupňovaný přístup k jednotnému rámci zpoplatnění dopravní infrastruktury v EU, COM[1998] 466 86 Tato směrnice ovšem byla zrušena Evropským soudním dvorem (případ C-21/94) z důvodů porušení formálních pravidel legislativního procesu, její účinnost byla nicméně s odvoláním na zachování právní jistoty zachována až do přijetí nové směrnice 85

216


směrnicí Evropského parlamentu a Rady 1999/62/ES ze dne 17. června 1999 o výběru poplatků za užívání určitých pozemních komunikací těžkými nákladními vozidly, podstatně novelizované v květnu 200687. Cílem směrnice je upravit základní otázky týkající se daní z vozidel, mýtného a poplatků za užívání dopravní infrastruktury, avšak pouze pro na vozidla, která jsou určena výlučně k silniční přepravě zboží a jejichž celková hmotnost činí více než 3,5 tuny88. Preambule směrnice přitom zdůrazňuje, že rozlišení daní a poplatků by mělo podporovat používání vozidel, které šetří komunikace a životní prostředí, přitom ale takové rozlišení nemá vést k narušení fungování jednotného trhu. Tento princip je dále zdůrazněn v preambuli směrnice 2006/38/ES, která mezi důvody svého přijetí uvádí, že „spravedlivější systém vybírání poplatků za užívání pozemních komunikací založený na zásadě ‚uživatel platí‘ a na schopnosti uplatňovat zásadu ‚znečišťovatel platí‘ (...) je nesmírně důležitý pro podporu udržitelné dopravy ve Společenství“. Explicitně přitom zmiňuje rozlišování mýtného podle účinku vozidel na životní prostředí. Zcela zásadní změnu oproti původnímu textu směrnice pak představuje omezení působnosti směrnice ve vztahu k mýtnému a poplatkům za užívání pouze na rámec transevropské silniční sítě89, díky tomu mohou členské státy neomezeně uplatnit mýtné nebo poplatky za užívání na celé silniční síti. Směrnice explicitně v článku 9 stanoví, že nebrání nediskriminačnímu uvalení daní a poplatků z přihlášení vozidla, uvalených na nadměrná vozidla nebo náklady, poplatků za parkování a užívání městských komunikací a dále pak regulačních poplatků určených k zabránění časovým a místním kongescím a regulačních poplatků určených k boji proti dopadům na životní prostředí, včetně špatné kvality ovzduší a to zvláště v městských oblastech (včetně silnic transevropské sítě vedoucích přes městské oblasti). V oblasti železniční dopravy byla jako součást prvního železničního balíčku přijata směrnice 2001/14/ES o přidělování kapacity železniční infrastruktury, zpoplatnění železniční infrastruktury a o vydávání osvědčení o bezpečnosti, která stanoví zásady zpoplatnění použití železniční infrastruktury. Definuje obsah minimálního přístupového balíku a přístupu k dopravním zařízením, jejichž zpoplatnění má odpovídat nákladům přímo vynaloženým na provoz železniční dopravy. Mýtné Mýtné je směrnicí definováno jako určitá částka, která se platí za jízdu vozidla po určitém úseku pozemní komunikace a je určena podle ujeté vzdálenosti a typu vozidla (čl. 2 písm. b). Směrnice stanoví podmínky, za kterých může být mýtné vybíráno za použití transevropské silniční sítě, případné zpoplatnění objízdných tras či jiných silnic případně jiných kategorií motorových vozidel je ponecháno v dispozici členských států. Od roku 2012 by se mýtné mělo uplatňovat na všechna vozidla dle definice směrnice (tj. nákladní vozidla nad 3,5 tuny), výjimka je možná z důvodu výrazně

87

Směrnicí Evropského parlamentu a Rady 2006/38/ES ze dne 17.5.2006. V původním znění směrnice to bylo vozidlo, jehož celková hmotnost činí nejméně 12 tun. 89 Původní úprava ve směrnici 1999/62/ES byla prakticky opačná – pro těžká nákladní vozidla umožňovala ukládat mýtné nebo poplatky prakticky pouze za užívání dálnic nebo víceproudých silnic pro motorová vozidla, za užívání mostů, tunelů a horských průsmyků (srov. původní znění čl. 7 odst. 2). 88

217


nepříznivých dopadů na plynulost dopravy, životní prostředí a zdraví, kongesce, hluk nebo příliš vysoké transakční náklady (přes 30 % vytvořených dodatečných příjmů. Mýtné může být založeno pouze na zásadě návratnosti nákladů na pozemní komunikace. K tomuto účelu směrnice zavádí pojem „vážené průměrné mýtné“, což je celkový příjem z mýtného za určitou dobu vydělený počtem vozokilometrů ujetých na určité síti podléhající mýtnému vozidly podléhající mýtnému. Vážené průměrné mýtné musí odpovídat stavebním nákladům a nákladům na provoz, údržbu a rozvoj dané sítě pozemních komunikací (včetně případné návratnosti kapitálových investic nebo tržního zisku). Vlastní sazby přitom mohou být rozlišeny při respektování požadavků přiměřenosti, transparentnosti a nediskriminace podle emisních tříd EURO, denní doby nebo ročního období. Přitom nevyšší sazba mýtného nesmí nepřesáhnout o 100 % sazbu pro vozidla splňující nejpřísnější normu, resp. sazbu stanovenou pro nejlevnější období dne (pokud má nejlevnější období nulovou sazbu, pak přirážka může dosáhnout maximálně 50 % mýtného, které by se u daného vozidla běžně použilo). Rozlišení podle emisních tříd EURO bude přitom od roku 2010 v členských státech povinné. Ve výjimečných případech může být z důvodu kongescí nebo působení značných škod na životním prostředí na určitých úsecích pozemních komunikací v horských oblastech zavedena k mýtnému přirážka90, která nesmí přesáhnout 15 % váženého průměrného mýtného, resp. 25 % u přeshraničních horských úseků prioritních projektů evropského zájmu. Nově byla přeformulována ustanovení týkající se nákladů započitatelných při stanovení váženého průměrného mýtného, pro systémy zaváděné po červnu 2008 jsou v příloze stanoveny základní zásady výpočtu (maximální úrovně) mýtného. Poplatky za užívání Za poplatek za užívání se považuje určitá částka, která se platí za oprávnění využívat vozidlem po určitou dobu vymezené pozemní komunikace (tj. časové zpoplatnění, v ČR dálniční známka). Základní pravidlo stanovené směrnicí upravující vztah mezi mýtným a poplatky za užíváni zní, že nesmí být v rámci jedné kategorie vozidel ukládány současně za užívání téhož úseku pozemní komunikace. Jedinou výjimkou je možnost současného uvalení mýtného za užívání mostů, tunelů a horských průsmyků. Stejně jako mýtné nesmí být poplatky diskriminující ve vztahu ke státní příslušnosti dopravce, registrace vozidla nebo výchozího bodu nebo cíle přepravy. Výše poplatku za užívání nesmí překročit maximální sazbu stanovenou směrnicí a musí být úměrné době užívání pozemní komunikace (to se týká zejména poplatků za kratší časové období. Zatímco maximální částky u roční sazby jsou rozlišené podle emisních tříd EURO a počtu náprav, pro denní poplatek za užívání je stanovena jediná sazba 11 €. Směrnice umožňuje členským státům, aby vozidlům v nich evidovaným ukládaly pouze roční poplatky. Jak poplatek za užívání tak mýtné by neměly by zásadně ovlivňovat plynulost dopravy ani zahrnovat kontroly na vnitřních hranicích a členské státy by při zavádění 90

Oproti původnímu návrhu novely byla vypuštěna možnost rozšíření přirážek na aglomerace a zóny určené členskými státy v souladu se směrnicí 1996/62/ES o kvalitě ovzduší, což by mohlo umožnit zohlednění environmentálních dopadů, zvláště pokud výnosy z přirážky mohou být použity k podpoře přesunu mezi přepravními mody.

218


elektronických systémů vybírání mýtného nebo poplatků za užívání měly dbát na jejich vzájemnou kompatibilitu. V souladu s principem subsidiarity bylo přeformulováno i ustanovení o použití výnosů, o němž nyní libovolně rozhodují členské státy, měly by je však použít ve prospěch odvětví dopravy a optimalizaci celého dopravního systému. Interoperabilita Vedle harmonizace samotného zpoplatnění užívání infrastruktury je nezbytné i zajištění slučitelnosti systémů elektronického zpoplatnění. Prvním a víceméně opatrným krokem v tomto směru je směrnice Evropského parlamentu a Rady 2004/52/ES z 29. dubna 2004 o interoperabilitě elektronických mýtních systémů ve Společenství. Podle této směrnice musí všechny elektronické mýtní systémy, které budou uvedeny do provozu po 1.1.2007 používat jednu nebo více ze stanovených technologií (satelitní, GSM nebo mikrovlnnou), směrnice přitom doporučuje přednostně užití satelitní a GSM technologie. Pro dosažení interoperability směrnice předpokládá vznik Evropské elektronické mýtní služby, kterou měla Komise svým rozhodnutím vymezit do 1.6.2006, budou-li splněny předpoklady funkčnosti interoperability. Evropská elektronická mýtní služba bude zahrnovat celou silniční síť Společenství, na níž se mýtné nebo poplatky za použití silnice vybírají elektronicky, a bude umožňovat, aby na základě jediné smlouvy s provozovatelem kterékoliv části sítě měl předplatitel zajištěn přístup k mýtní službě na celé síti. Následně po vymezení Evropské elektronické mýtní služby budou členské státy, které mají národní systémy elektronického vybírání mýta, povinné zajistit nabízení této služby pro všechna vozidla nad 3,5 t nejpozději do 3 let od jejího vymezení a do 5 let pro všechny ostatní typy vozidel.

2.3.4.4 Zpoplatnění infrastruktury v ČR Úprava užívání pozemních komunikací je obsažena v zákoně 13/1997 Sb., o pozemních komunikacích, v platném znění. Zákon rozlišuje dva typy užívání – obecné a zvláštní, kdy prvně zmíněné se týká obvyklého užívání běžnými dopravními prostředky, zatímco zvláštním užíváním se rozumí užívání jiným než obvyklým způsobem (např. přeprava těžkých/rozměrných předmětů, umisťování reklamních zařízení, provádění stavebních prací, umisťování inženýrských sítí apod.), pro které je zásadně vyžadováno zvláštní povolení. Zákon ve znění platném od 1.1.2007 umožňuje zpoplatnit obecné užívání a to v následujících případech: • užití pozemní komunikace stanovené prováděcím předpisem a označené příslušnou dopravní značkou je pro stanovené druhy motorových vozidel zpoplatněno buď výkonově (mýtné) nebo časově (časový poplatek) (§ 20 zákona); • užití vymezených místních komunikací ke stání motorového vozidla na časově omezenou dobu (maximálně 24 hodin) nebo ke stání vozidla jehož provozovatel/vlastník má ve vymezené oblasti obce sídlo, provozovnu, nemovitost nebo místo trvalého pobytu (§ 23 zákona)

219


Mýtné a časové zpoplatnění Mýtnému zpoplatnění (§ 20 an. zákona) podléhá užití zpoplatněných komunikací silničním motorovým vozidlem nebo jízdní soupravou, jehož/jejíž největší povolená hmotnost je minimálně 12 tun. Na rozdíl od směrnice tedy zahrnuje i vozidla, která nejsou výhradně určena k přepravě nákladů (např. autobusy). Zákon dále stanoví požadavky na provoz elektronického mýtního systému a práva a povinnosti provozovatele mýtního systému, provozovatelů a řidičů zpoplatněných vozidel. Zákon výslovně vylučuje možnost současného uložení časového poplatku a mýtného za užití zpoplatněné pozemní komunikace stanoveným druhem motorového vozidla. Časové zpoplatnění se týká motorových silničních vozidel s alespoň čtyřmi koly a nejvyšší povolenou hmotností menší než 12 tun. Zákon stanoví maximální výši časového zpoplatnění za kalendářní rok (1 200 Kč u vozidel do 3,5 tuny a 20 000 Kč u vozidel do 3,5 do 12 tun), konkrétní výše je stanovena prováděcím předpisem, výše časového poplatku na měsíc a 7 dní se stanoví poměrně k roční výši poplatku. V listopadu 2006 byla Ministerstvem dopravy vydána prováděcí vyhláška91. k ustanovení § 20 zákona upravující užívání zpoplatněných komunikací. Vymezuje zpoplatněné komunikace, způsob prokázání zaplacení časového poplatku nebo mýtného, a další podrobnosti systému mýtního zpoplatnění. Pro časové zpoplatnění jsou stanoveny tři varianty platnosti (roční, měsíční, 7 denní), vzory kupónů a jejich umístění. Pro placení mýtného stanoví náležitosti nastavení palubní jednotky („elektronické zařízení“), kauci za jeho vydání a přihlašování do systému. Zatímco u časového zpoplatnění je nezbytné uhradit časový kupon před užitím zpoplatněné komunikace, u mýtného je možná úhrada jak před tak i po užití zpoplatněné komunikace na základě uzavřené smlouvy mezi provozovatelem vozidla a provozovatelem mýtního systému. Sazby časového poplatku podle hmotnosti a mýtného podle emisních tříd a počtu náprav jsou stanoveny v nařízení vlády 484/2006 Sb. U časového zpoplatnění je pro rok 2007 stanovena roční sazba pro 900 Kč pro vozidla do 3,5 tuny a 7 000 Kč pro vozidla od 3,5 do 12 tun. Sazby mýtného jsou stanoveny v rozmezí 1,7 Kč/km pro vozidlo EURO III a vyšší s 2 nápravami a 5,4 Kč/km pro vozidlo EURO II a nižší s 4 a více nápravami. Zpoplatnění – parkovací zóny Užití vymezených místních komunikací ke stání motorových vozidel může být upraveno nařízením obce na základě zmocnění daného § 23 zákona. Podmínkou je označení příslušnou dopravní značkou. Příkladem využití tohoto nástroje je např. vyhláška hl. m. Prahy č.42/2000, kterou se vymezují oblasti hlavního města Prahy, ve kterých lze místní komunikace nebo jejich určené úseky užít za cenu sjednanou v souladu s cenovými předpisy - vymezuje oblasti hlavního města Prahy, ve kterých lze místní komunikace nebo jejich určené úseky užít za cenu sjednanou v souladu s cenovými předpisy k stání silničního motorového vozidla v hlavním městě Praze na dobu časově omezenou, nejvýše však na dobu 24 hodin, nebo k stání silničního motorového vozidla provozovaného právnickou nebo fyzickou osobou za 91

Vyhláška 527/2006 Sb., o užívání zpoplatněných pozemních komunikací a o změně vyhlášky Ministerstva dopravy a spojů č. 104/1997 Sb., kterou se provádí zákon o pozemních komunikacích, ve znění pozdějších předpisů

220


účelem podnikání podle zvláštního právního předpisu, která má sídlo nebo provozovnu ve vymezené oblasti hlavního města Prahy nebo k stání silničního motorového vozidla fyzické osoby, která má místo trvalého pobytu ve vymezené oblasti hlavního města Prahy. Zpoplatnění vjezdu do vybraných míst a částí měst Další možnost zpoplatnění pozemních komunikací upravuje zákon 565/1990 Sb., o místních poplatcích ve znění pozdějších předpisů, a to obcím (v rámci samostatné působnosti), které na základě tohoto zákona mohou vybírat poplatek za povolení vjezdu motorovým vozidlem do vybraných míst a částí měst (§ 10 zákona). Využitelnost tohoto poplatku je však limitována tím, že jej lze vybírat pouze za vydání povolení k vjezdu motorovým vozidlem do vybraných míst a částí měst, do kterých je jinak vjezd zakázán dopravní značkou, a maximální sazba je stanovena na 20 Kč za den (existuje i možnost stanovení poplatku paušální sazbou, jejíž výši zákon neomezuje, vyžaduje však dohodu s poplatníkem, často se používá např. pro vozidla taxislužby). Od poplatku jsou zcela osvobozeni osoby, které mají v daném místě trvalý pobyt nebo zde užívají nemovitost k hospodářské činnosti. V současnosti tento poplatek využívají například města s historickými centry a lázeňská letoviska: Brno (vyhláška č. 9/2002), Karlovy Vary (vyhláška č. 6/2006), Poděbrady (vyhláška č. 1/2005), Františkovy Lázně (vyhláška 2/2003), Mariánské Lázně, Cheb, Jeseník a další. Určité vyjasnění mezí využitelnosti tohoto ustanovení vymezil Ústavní soud ČR nálezem z 11. 7. 2001 publikovaným pod č. 269/2001 Sb. Obec Dobřichovice v roce 1997 stanovila obecně závaznou vyhláškou na základě tohoto ustanovení poplatek za povolení vjezdu motorovým vozidlem na most přes řeku Berounku, na který byl jinak vjezd zakázán příslušnou dopravní značkou. Ústavní soud považoval za klíčovou otázku vymezení pojmu „vybrané místo“ – ačkoliv samotný zákon (§ 10 odst. 1 zákona o místních poplatcích) pojem blíže nespecifikuje, gramatický a věcný výklad tohoto pojmu, podle přesvědčení Ústavního soudu, průjezd motorového vozidla po mostě, který je součástí pozemní komunikace, a jako takový slouží sjízdnosti pozemní komunikace a v tomto smyslu je její součástí, která (průjezdem po ní) je určena k obvyklému způsobu užívání komunikace, (obecné užívání) ze zmíněných znaků vylučuje. Proto také most přes řeku, navazující v obou směrech na pozemní komunikaci, nelze pokládat za "vybrané místo". Podle názoru soudu je takovým místem třeba rozumět ucelenější, zpravidla osídlenou lokalitu, kterou s vnějším světem (okolím) komunikace jako dopravní cesta spojuje. V daném případě se tedy jedná o skryté mýtné, pro které nebyla v tehdejším právním řádu opora. Zpoplatnění železniční dopravní cesty Povinnost platit za užití dráhy je stanovena zákonem 111/1994 Sb., o dráhách jako předpoklad provozování regionální nebo celostátní drážní dopravy. Cena za přidělení kapacity dopravní cesty se stanoví na základě regulace stanovené výměrem Ministerstva financí podle zákona 526/1990 Sb., o cenách. Cena za užití dopravní cesty je odvozena z nákladů na řízení provozu (vlakové kilometry) a nákladů na zajištění provozuschopnosti dopravní cesty (hrubé tunové kilometry), případně zvýšené náklady

221


při specifickém užití dopravní cesty. Poslední část celkové ceny je zpoplatnění poskytnutých služeb.

2.3.4.5 Zdanění vozidel – harmonizace v EU Zdanění nákladních vozidel Výše zmíněná směrnice 1999/62/ES, v platném znění, explicitně uvádí, které daně platné v členských státech jsou považovány za daně z vozidel ve smyslu směrnice (tj. silniční daň v ČR), přitom ponechává na libovůli členských států stanovení postupu vyměřování a vybírání těchto daní za podmínky dodržení minimálních sazeb stanovených směrnicí pro jednotlivé kategorie vozidel. Minimální sazby jsou stanoveny v příloze 1 směrnice v závislosti na počtu náprav, typu závěsu hnací nápravy a celkové hmotnosti vozidla nebo jízdní soupravy. Rozmezí ročních sazeb se pohybuje od 0 € pro vozidlo těžké 12-13 tun se vzduchovým závěsem až po 929 € pro soupravu s 3+2 nápravami a hmotností 40-44 tun s jiným než vzduchovým závěsem hnací soupravy. Novelizací směrnice vznikla paradoxní situace, kdy sice byla rozšířena definice vozidla (o kategorii 3,5-12 t), ale pro tuto kategorii nebyly stanoveny minimální sazby daně z vozidel. Při zavádění mýtního zpoplatnění v ČR i jiných státech se objevovaly návrhy na kompenzaci dopravců pomocí snížení sazeb silniční daně pro vozidla, která budou podléhat mýtnímu zpoplatnění. Tento krok je ovšem z hlediska evropského práva minimálně v ČR problematický, neboť při současné výši sazeb silniční daně, je možnost jejich snížení, které by respektovalo směrnicí stanovené minimální sazby, prakticky vyloučena92. Zdanění osobních vozidel V návaznosti na cíl Strategie Společenství ke snížení emisí CO2 z osobních automobilů93 snížit emise CO2 z osobních automobilů nejpozději do roku 2010 na 120 g/km a na podporu dosažení cílů dobrovolných dohod uzavřených s sdruženími evropských, japonských a korejských výrobců automobilů předložila Komise v červenci 2005 návrh směrnice o daních v oblasti osobních vozidel94. Cílem této směrnice má být současně zlepšit fungování vnitřního trhu a snížení emisí CO2 z osobních vozidel a to postupným zrušením poplatků za registraci a restrukturalizaci poplatkového základu a daňového základu silniční daně, tak aby obsahovaly vazbu na objem emisí CO2. Pro zrušení registračních poplatků je navrhováno období 10 let, tak aby mohlo dojít ke kompenzaci ztráty příjmu jinými daněmi (silniční a případně spotřební). Přitom by se na konci roku 2008 mělo alespoň 25 % výnosů registračního poplatku a silniční daně odvíjet od objemu emisí CO2 a do konce roku 2010 minimálně 50 % výnosů.

92

Při respektování minimálních sazeb daně z vozidla je ovšem takové snížení jednou z možností, na které míří ustanovení čl. 7b směrnice, tj. poskytnutí kompenzace při zavedení mýtního systému nebo poplatků za užívání pozemních komunikací. 93 COM(95) 689 final 94 KOM(2005) 261 v konečném znění

222


Evropský parlament v rámci konzultačního procesu navrhl několik úprav, z nichž patrně nevýznamnější se týká rozšíření vazby nejen na CO2, ale i emise dalších škodlivin95 a spotřebu paliva. Rovněž navrhl doplnit ustanovení zaručující členským státům možnost stanovení takové úrovně zdanění, která zajistí výnosovou neutralitu při nahrazení registrační daně silniční daní. S ohledem na právní základ tohoto návrhu – čl. 93 SES – vyžadujícím dosažení jednomyslnosti v Radě a známému odmítavému postoji některých členských států (Dánsko, Velká Británie) je přijetí tohoto návrhu dosti nepravděpodobné. Argumenty odpůrců se přitom dosti liší – zatímco v případě Dánska jsou to obavy z negativních důsledků zrušení stávající vysoké registrační daně (až 180 % ceny vozidla), v případě Velké Británie se spíše jedná o argumentaci principem subsidiarity proti prohlubování harmonizace zdanění.

2.3.4.6 Zdanění vozidel v ČR Silniční daň Silniční daň byla zavedena jako součást všeobecné daňové reformy v roce 1993. V současnosti se vztahuje na všechna silniční motorová vozidla registrovaná v ČR, která jsou používána k podnikání nebo jiné samostatné výdělečné činnosti, a současně na všechna vozidla nad 12 tun určená výlučně k přepravě nákladů a registrovaná v ČR. Od daně jsou mimo jiné osvobozena vozidla zajišťující vnitrostátní linkovou přepravu, vozidla ozbrojených sborů, záchranných služeb, elektromobily a vozidla s méně než čtyřmi koly. Základem daně je u osobních automobilů zdvihový objem motoru, součet nejvyšších povolených hmotností na nápravy a počet náprav u návěsů a nejvyšší povolená hmotnost a počet náprav u ostatních vozidel. Sazba u osobních automobilů se pohybuje v rozmezí 1200 – 4200 Kč ročně, a 1800 – 50 400 Kč u ostatních vozidel. Pro vozidla splňující normu EURO II je do konce roku 2007 snížena sazba o 40 % a pro vozidla splňující normu EURO III a vyšší je snížena sazba o 48 %. Pro vozidla registrovaná před rokem 1990 je sazba zvýšena o 15 %. Vedle toho zákon přiznává slevu na dani pro vozidla uskutečňující kombinovanou dopravu a to podle počtu uskutečněných jízd (až 90 % při uskutečnění 120 jízd) v kombinované dopravě při minimální vzdálenosti úseku po železnici nebo vnitrostátních vodách činí 100 km vzdušnou čarou.

2.3.4.7 Zdanění paliv – harmonizace v EU Spotřební daně Harmonizace spotřebních je provedena směrnicí 2003/96/ES z 27. října 2003, kterou se mění struktura rámcových předpisů Společenství o zdanění energetických produktů a elektřiny. Evropská unie touto směrnicí rozšiřuje minimální harmonizaci spotřebních daní původně limitovanou na minerální oleje96 o elektřinu, zemní plyn a uhlí. Tento režim stanoví minimální sazby, sjednocuje výjimky a úlevy a mechanismus zdanění, podporuje 95

Míněny tím jsou především emise NOx a prachových částic 96 Směrnice 92/81/EHS a 92/82/EHS.

223


dosažení cílů v oblasti ochrany životního prostředí – jmenovitě dosažení cílů Kjótského protokolu (bod 7 preambule), efektivnější využívání energie a zlepšuje fungování vnitřního trhu snížením narušení konkurence mezi minerálními oleji a ostatními energetickými produkty. Zároveň umožňuje členským státům poskytovat daňové zvýhodnění podnikům, které se přijmou zvláštní opatření ke snížení svých emisí. Směrnice samotná připouští celou řadu odchylek, což je na jednu stranu důsledek těžce vyjednaného konsensu, na druhou stranu patrně jediný možný způsob dosažení postupného sblížení sazeb. Z hlediska jejich slučitelnosti s volným trhem je významné ustanovení čl. 26 směrnice, podle něhož směrnicí dovolené výjimky, úlevy a snížené sazby podléhají notifikaci Komisi, pokud spadají pod definici státní pomoci ve smyslu čl. 87 SES. Směrnice je založena na následujících pojmech: • úroveň zdanění (čl. 4) je celková platba vybíraná vzhledem ke všem nepřímým daním (kromě DPH) vypočítaná přímo nebo nepřímo na základě množství energetických výrobků a elektřiny v době jejich uvolnění ke spotřebě • plynový olej používaný jako pohonná hmota k obchodním účelům (čl. 7, odst. 3) – plynový olej používaný pro účely dopravy zboží na vlastní nebo cizí účet motorovými vozidly nebo jízdními soupravami určenými výhradně k přepravě zboží po silnici s maximální celkovou povolenou hmotností nejméně 7,5 tuny nebo pro pravidelnou či příležitostnou přepravu cestujících motorovým vozidlem kategorie M2 nebo M3; • biomasa (čl. 16) – biomasou se rozumí biologicky odbouratelný podíl výrobků, odpadů a zbytků ze zemědělství, lesnictví a souvisejících odvětví, jakož i biologicky odbouratelný podíl průmyslového a komunálního odpadu; • energeticky náročný podnik (čl. 17) – podnik, u kterého nákupy energetických výrobků a elektřiny činí alespoň 3 % hodnoty produkce nebo vnitrostátní splatná daň z energie činí alespoň 0,5 % přidané hodnoty. Působnost směrnice je omezena na užití energetických produktů jako pohonných hmot nebo paliv, zásadně se nevztahuje jiná využití. Směrnice stanoví minimální úroveň zdanění pro motorové pohonné hmoty, motorové pohonné hmoty pro komerční užití, paliva a elektřinu. Členské státy musí zásadně uplatňovat sazby ne nižší než zde stanovené, mohou však rozlišovat obchodní a neobchodní použití plynového oleje97, sazba pro komerční užití však nesmí být pod úrovní zdanění platnou v dané zemi k 1.1.2003.

97 To má umožnit členským státům zmenšit stávající rozdíl mezi úrovní zdanění benzínu a motorové nafty pro neobchodní účely, pro které není z hlediska ochrany životního prostředí žádný důvod; argumenty pro zvýhodnění obchodního použití motorové nafty vycházejí z obav z potenciální ztráty konkurenceschopnosti, srov. paralelně projednávaný návrh na zvláštní úpravu zdanění motorové nafty pro profesionální užití COM[2002] 410.

224


Obrázek 2.3.3: Zdanění bezolovnatého benzínu (kromě DPH) v EU 27 (v EUR/1000 l) 800 700 600 500 400

EU MIN

300 200 100 0 BE CZ DK DE EE EL ES FR IE IT CY LV LT LU HU MT NL AT PL PT SI SK FI SE UK BG RO

Zdroj: Excise duty tables, Part II – Energy products and Electricity, Evropská komise, DG TAXUD, July 2006 (revised November 2006)

Obrázek 2.3.4: Zdanění motorové nafty (kromě DPH) v EU) 27 (v EUR/1000 l) ( 800 700 600 500 400 EU MIN

300 200 100 0

BE CZ DK DE EE EL ES FR IE IT CY LV LT LU HU MT NL AT PL PT SI SK FI SE UK BG RO

Zdroj: Excise duty tables, Part II – Energy products and Elektricity, Evropská komise, DG TAXUD, July 2006 (revised November 2006)

225


Kromě vyjmenovaných výrobků, které jsou předmětem daně, se i ostatní výrobky určené k použití, nabízené k prodeji nebo používané jako pohonná hmota nebo jako přísada či nastavovací plnidlo do pohonných hmot zdaňují sazbou ve výši sazby pro obdobnou pohonnou hmotu (čl. 2, odst. 3). Minimální úroveň zdanění je výrazně nižší u pohonných hmot (plynový olej, kerosín, LPG a zemní plyn) pro průmyslové a komerční užití k pracím v zemědělství, zahradnictví, lesnictví a rybářství, pro stacionární motory, zařízení a stroje používané ve stavebnictví a při veřejných pracích a pro vozidla určená k užití mimo veřejné cesty (čl. 8). Dále mohou členské státy uplatnit úplné nebo částečné výjimky nebo snížení úrovně zdanění pro užití energetických výrobků pro zkušební projekty technologického rozvoje výrobků šetrných k životnímu prostředí nebo souvisejících s palivy z obnovitelných zdrojů, pro biopaliva, energii pocházející z větru, slunce, přílivu, geotermálního původu, elektřinu a energetické výrobky pro přepravu osob a zboží po železnici, metrem, tramvají a trolejbusy, energetické výrobky pro navigaci ve vnitrostátních vodách (včetně rybolovu, avšak s výjimkou plavby pro soukromou rekreaci) a zemní plyn a LPG jako pohonné hmoty (čl. 15). Článek 16 stanoví členským státům možnost uplatňovat pod finanční kontrolou osvobození od daně nebo sníženou sazbu na výrobky, které jsou složeny z jednoho nebo více následujících výrobků nebo jeden nebo více z nich obsahují: • směsi esterů mastných kyselin (KN 3824 90 55, 3824 90 80 až 99) v souvislosti s jejich součástmi vyráběnými z biomasy • ethanol a jiné denaturované destiláty (KN 2207 20) a methanol (KN 2905 11 00) , které nejsou syntetického původu Dále mohou členské státy uplatňovat sníženou sazbu na výrobky které obsahují vodu (KN 2201), a to i destilovanou (KN 2851 00 10). Osvobození od daně nebo její snížení však nesmí být vyšší než částka daně připadající na obsah této složky, úroveň zdanění na tyto směsná paliva může být nižší než minimální úroveň zdanění stanovená směrnicí. Členské státy mohou poskytovat osvobození nebo snížení podle víceletého programu na základě povolení, která nesmí být vydána na dobu delší než 6 let, mohou však být prodloužena (odst. 5). V případě zavedení povinných cílů by členské státy mohly zachovat výjimky nebo úlevy za uplatnění postupu podle čl. 19 směrnice (na návrh Komise jednomyslným rozhodnutím Rady). Pro řadu států stanoví směrnice přechodná období, přičemž tyto jsou povinny během tohoto období postupně dosáhnout minimální úrovně požadované směrnicí. Sazby jsou ve směrnici v podstatě stanoveny pro období do roku 2012, do té doby by měly být Radou schváleny sazby pro další období. Daň z přidané hodnoty Rovněž daň z přidané hodnoty je v rámci EU harmonizována, i když dosud nebylo dosaženo definitivní podoby harmonizace. Podle 6. směrnice o DPH bude většina zdanitelných plnění, ať už dodávky pohonných hmot, nebo přeprava zboží podléhat základní sazbě DPH. Prakticky jedinou výjimkou je přeprava cestujících a jejich doprovodných zavazadel98. 98

Viz Příloha H Šesté směrnice o DPH 77/388/EHS v platném znění.

226


2.3.4.8 Zdanění paliv v ČR V ČR podléhají pohonné hmoty v zásadě dvěma daním – spotřební dani z minerálních olejů a dani z přidané hodnoty. Obě tyto daně jsou do značné míry harmonizovány v rámci EU (viz výše). Úprava spotřebních daní v českém právu je obsažena v zákoně 353/2003 Sb., který nahradil původní zákon o spotřebních daních z roku 199299, jako výsledek aproximace s komunitárním právem. S ohledem na to, že směrnice 2003/96/ES byla schválena až po předložení vládního návrhu zákona do Parlamentu, byla v roce 2005 schválena významná novela (zákon 217/2005 Sb.), která doplnila a změnila příslušná ustanovení k dosažení souladu se směrnicí. Následující graf přibližuje vývoj sazeb spotřební daně od roku 1993 do současnosti, výrazný nárůst sazeb je patrný především díky novému zákonu, který je zvýšil nad minimální úroveň stanovenou směrnicí 2003/96/ES. Za relativně krátkou dobu platnosti ovšem tento zákon prošel několika novelizacemi, které se do značné míry týkaly úrovně zdanění některých alternativních pohonných hmot, jejich osvobození od daně nebo vrácení daně. Obrázek 2.3.5: Sazba spotřební daně na vybrané pohonné hmoty v ČR (v Kč/1000 l) 14000 12000 10000 8000 6000 4000 2000 0 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 benzín bezolovnatý Kč/1000 l

benzín olovnatý Kč/1000 l

střední oleje (m otorovná nafta) Kč/1000 l

bionafta (směsná nafta) Kč/1000 l

zkapalněné ropné plyny (LPG) Kč/t

uhlovodíkové plyny (CNG) Kč/GJ

Základním principem spotřební daně z minerálních olejů je, že dani podléhají všechny výrobky, které jsou určené k použití, nabízené k prodeji nebo používané pro pohon motorů, naopak pro účely vytápění podléhají spotřební dani pouze taxativně vymezené výrobky a využití pro jiné účely je ve většině případů osvobozeno (§ 49). V případě, že zákon pro některý výrobek nestanoví vlastní sazbu daně, uplatní se sazba na ten minerální olej, který je uvedený v základním výčtu (§ 45 odst. 1 zákona). Za základní typy minerálních olejů zákon považuje motorové benzíny, střední oleje a těžké 99

Zákon 587/1992 Sb.

227


plynové oleje (neboli motorovou naftu a lehké topné oleje), těžké topné oleje, odpadní oleje, zkapalněné ropné plyny (LPG) a uhlovodíkové plyny (např. zemní plyn). Zákon explicitně vyjmenovává některé směsi (např. pohonné hmoty s přídavkem biopaliva do 5 %, s přídavkem bioETBE, směsnou naftu) a k nim příslušnou sazbu daně. Tyto směsi zásadně podléhají sazbě daně stanovené pro hlavní složku směsi. Před poslední novelizací zákona o spotřebních daních (575/2006 Sb.) přitom měla být část daně odpovídající přídavku biopaliva vrácena, toto ustanovení však bylo zrušeno ještě než nabylo účinnosti100. Zmíněná novela 575/2006 Sb. zrušila sníženou sazbu daně pro směsnou naftu (tj. motorovou naftu s obsahem min. 31 % MEŘO, dříve nazývanou bionafta II. generace), což znamená, že jediné zvýhodnění tohoto paliva se týká užití pro zemědělskou prvovýrobu, lesní školky a obnovu a výchovu lesa, kde je přiznáno vrácení ve výši 80 % daně101. Oproti původnímu vládnímu návrhu, který nepočítal s žádnými daňovými výhodami, přijal Parlament nakonec znění, podle něhož jsou od daně osvobozeny rostlinné nebo živočišné tuky a jejich frakce, líh kvasný bezvodý zvláštně denaturovaný, bioplyn, 47 % podílu biosložky bio etyl-terciér-butyl-etheru a estery rostlinných a živočišných olejů. Pokud však budou tato biopaliva prodávána ve směsi s konvenčními palivy, podléhá taková směs sazbě daně stanovené pro příslušné konvenční palivo (§ 48 zákona). Osvobození od daně je podle § 49 odst. 12 rovněž přiznáno směsím minerálních olejů a kvasného lihu bezvodého zvláštně denaturovaného používaným jako testované pohonné hmoty pro vybraná motorová vozidla v rámci schválených pilotních projektů102. Využití tohoto ustanovení se předpokládá mimo jiné pro počáteční fáze používání paliva E85. Podobná možnost je přiznána i pro testování směsi motorové nafty s vodou. Zákon stanoví několik dalších osvobození, a to benzínů a nafty pro leteckou dopravu a letecké práce a motorové nafty pro lodní dopravu (obě se přitom nevztahují na soukromé rekreační užití), které jsou výsledkem mezinárodních závazků (viz dále). Dále je osvobozena spotřeba minerálních olejů v podniku, který je vyrobil nebo zpracoval (mimo účely s tím nesouvisející). Vrácení daně zákon přiznává ozbrojeným silám členských států NATO (mimo ozbrojených sil ČR), dále při užití topných olejů pro výrobu tepla, při užití motorové nafty a směsné nafty pro zemědělskou prvovýrobu, lesní školky a obnovu a výchovu lesa (tzv. „zelená nafta“).

2.3.4.9 Státní podpory – harmonizace v EU Podle článku 87 (ex92) SES jsou „podpory poskytované v jakékoli formě státem nebo ze státních prostředků, které narušují nebo mohou narušit hospodářskou soutěž tím, že zvýhodňují určité podniky nebo určitá odvětví výroby, pokud ovlivňují obchod mezi členskými státy, neslučitelné se společným trhem, nestanoví-li tato smlouva jinak“.

100

Příslušná ustanovení byla přijata v roce 2005 (zákon 217/2005 Sb.) a byla součástí tehdy připravovaného systému povinného přimíchávání biopaliv. 101 Pro konvenční motorovou naftu je přitom stanoveno vrácení ve výši 60 % daně (§ 57 zákona). 102 Na základě schválení pilotního projektu Ministerstvem životního prostředí.

228


Za státní podporu je považována jakákoliv státem nebo ze státních prostředků poskytnutá výhoda, jestliže jsou kumulativně splněny čtyři podmínky: • přináší prospěch z transferu prostředků od státu (včetně nižších územně správních celků)103, • přináší příjemci výhodu, která ho zbavuje plateb jinak zatěžujících jeho činnost, • je poskytována selektivně určitým podnikům nebo k výrobě určitého zboží, • může ovlivnit obchod mezi členskými státy, stačí i potenciálně. Komise a Evropský soudní dvůr používají široký výklad pojmu „podpora“. Vztahuje-li se zákaz na podpory poskytované „v jakékoli formě“, zahrnuje podle jejich výkladu jakoukoli veřejnou podporu nebo podporu místní či regionální správy, např. i ušlý daňový příjem. Zákaz se vztahuje na širokou škálu podpůrných opatření, ať už přímých nebo nepřímých, přitom pro posouzení, zda se jedná o podporu není rozhodující forma ani účel, rozhodující je vliv na konkurenci. Podpory ve veřejné dopravě Oblast poskytování podpor v oblasti veřejné dopravy je regulována evropským právem především k úpravě podmínek slučitelnosti s čl. 87 SES. Ve vztahu speciality je přímo v SES ustanovení čl. 73, které umožňuje poskytování podpor, které odpovídají potřebě koordinovat dopravu nebo náhradě za plnění odpovídající veřejné službě. Nařízení Rady 1191/69 o postupu členských států ohledně závazků vyplývajících z pojmu veřejné služby v dopravě po železnici, silnici a vnitrozemských vodních cestách přitom vymezuje závazek veřejné služby jako závazek, který by dopravní podnik na základě svých vlastních obchodních zájmů nepřevzal vůbec nebo nepřevzal ve stejném rozsahu nebo za stejných podmínek. Členské státy mohou z působnosti nařízení vyjmout podniky, jejichž aktivity spočívají výhradně v provozování městských, příměstských nebo regionálních služeb104. Primárním cílem nařízení bylo zrušení vymezených druhů závazků veřejné služby, s výjimkou těch, které jsou nezbytné k poskytnutí přiměřených dopravních služeb. Nařízení připouští zvláštní přepravní sazby a podmínky v přepravě v zájmu jedné nebo více sociálních kategorií (tarifní závazek). Dopravní podniky měly na základě tohoto nařízení podat příslušným orgánům členských států návrhy na částečné či úplné zrušení ekonomicky nevýhodných závazků veřejné služby. Nařízení stanoví způsoby výpočtu vyrovnání odpovídající finančním břemenům vyplývajícím ze zachování veřejného nebo tarifního závazku. Oblast podpor veřejné dopravy je v současnosti upravena nařízením Rady 1107/70 o poskytování podpor dopravě po železnici, silnici a vnitrozemských vodních cestách. Podle tohoto nařízení jsou přípustné určité druhy podpor poskytované buď ke koordinaci dopravy nebo jako úhrady ve smyslu veřejné služby podle nařízení 1191/69. V roce 2000 navrhla Komise nové nařízení o činnosti členských států v oblasti požadavků na veřejné služby a zadávání veřejných zakázek na služby v přepravě cestujících po železnici, silnici a vodních cestách105, které mělo odstranit nedostatky 103

Nicméně pro aplikaci čl. 87 je stanovena de minimis hranice 200 000 EUR pro období 3 let (nařízení Komise 1998/2006), tato směrnice se ovšem nevztahuje na oblast dopravy. 104 V době projednávání případu Altmark (viz dále) tuto výluku uplatňovaly pouze Německo a Rakousko. 105 COM[2000] 7 final, pozměněný v roce 2002 návrhem COM[2002] 107

229


stávajícího systému, týkající se režimu smluvních vztahů, doby platnosti smluv, povinnosti vyhlašovat výběrová řízení apod. Z důvodu neprůchodnosti návrhu v Radě a v návaznosti na rozhodnutí Evropského soudního dvora ve věci Altmark (viz níže) předložila v roce 2005 Komise návrh nařízení Rady a Evropského Parlamentu o veřejných službách v přepravě cestujících po železnici a silnici106. Rada v polovině prosince 2006 přijala k tomuto návrhu společné stanovisko107, nyní je návrh postoupen k projednání v Evropském parlamentu. Klíčovými prvky společného stanoviska jsou: • rozsah – služby veřejné přepravy osob železnicí a po silnici, za které příslušné veřejné autority při jejich sjednávání nebo ukládání kompenzují dopravcům vzniklé náklady a/nebo přidělují exkluzivní právo odpovídající výkonu závazku služby. Členským státům je umožněno rozšířit působnost nařízení na dopravu osob po vnitrozemských vodách; • transparentnost – pokud je udělováno exkluzivní právo a/nebo je poskytována kompenzace týkající se výkonu závazku veřejné služby, kompetentní úřady musí uzavírat veřejnoprávní smlouvu; • uzavírání smluv – kompetentním úřadům je ponechána volnost uzavírat smlouvy na základě výběrového řízení nebo přímým výběrem nejlepší záruky zlepšení kvality a efektivity veřejné dopravy. Přímý výběr je možný pouze ve vymezených případech – interní operátoři, minimální rozsah, krizové situace a služby vysokokapacitní železnice (včetně městské a příměstské) • trvání smluv – omezení na maximálně 15 let u služeb železniční a ostatní kolejové dopravy, resp. 10 let v případě přímého výběru. Pro autobusovou dopravu je maximální délka 10 let; • úřady mají zajistit stanovení sociálních a kvalitativních kritérií; • přechodná období – nařízení by mělo vejít v platnost tři roky po zveřejnění v Úředním listu a maximální přechodné období podobu 12 let. Významným způsobem se interpretace pojmu veřejné služby v dopravě dotýká rozhodnutí Evropského soudního dvora (ESD) ve věci Altmark108, které se týká řešení sporu, v němž jeden německý operátor veřejné dopravy napadl u národního soudu udělení licence a podpory na provozování několika autobusových linek správním úřadem jinému operátorovi. ESD vymezil podmínky, které platí pro poskytování státní podpory, která nespadá (nebo je vyňata) z působnosti nařízení 1191/69 – tzv. „altmarkská kriteria“: • příjemce pomoci je smluvně zavázán poskytovat závazky veřejné služby a tyto závazky byly jasně definovány; • způsob pro výpočet náhrad poskytovaných dopravci byl stanoven předem objektivním a transparentním způsobem; • náhrada nepřevyšuje náklady dopravce, které mu nezbytně vznikly při poskytování služeb v režimu závazku, při zahrnutí příjmů z poskytnutých 106

KOM[2005] 212 2772. zasedání Rady pro dopravu, telekomunikace a energie, 11. - 12. 12. 2006, česká delegace se při hlasování o tomto návrhu zdržela. 108 Rozhodnutí o předběžné otázce C-280/00 Altmark Trans GmbH a Regierungspräsidium Magdeburg v Nahverkehrsgesellschaft Altmark GmbH ze dne 24.7.2003. 107

230


•

služeb a přiměřeného zisku a náhrada nesmí dopravci přinést výhodu, která by poškodila trh (tj. zákaz nadkompenzace); pokud nebyla vyhlášena veřejná soutěž na poskytování služeb, měla by být kompenzace určena na základě srovnání s náklady „typického, dobře spravovaného podniku“, nikoliv skutečné náklady.

Zásadním důsledkem této interpretace je, že pravidla Společenství se vztahují na městskou a regionální veřejnou dopravu, což dosud nebylo plně akceptováno členskými státy. Vedle toho samozřejmě existuje možnost podporu notifikovat Komisi podle čl. 87 a následujících SES109. Interpretace nařízení 1191/69 přitom podle názoru soudu je prakticky totožná s výše uvedenými „altmarkskými kritérii“ – veřejná moc musí předem stanovit přiměřenou úroveň veřejné dopravy, vzniklou ztrátu dopravce nelze zpětně uhradit, kompenzace musí odpovídat „typickému, dobře spravovanému/efektivnímu podniku“.

2.3.4.10 Státní podpory v ČR Silniční doprava Zákon 111/1994 Sb., o silniční dopravě, v platném znění, doplňuje výše zmíněné nařízení 1191/69 ustanovením, podle kterého závazek veřejné služby vzniká na základě smlouvy mezi dopravcem a krajem, který prostřednictvím veřejné linkové dopravy zajišťuje dopravní obslužnost územního obvodu kraje a uhrazuje dopravci prokazatelnou ztrátu (§ 19b zákona). Vedle toho je z prostředků státního rozpočtu podporována obnova vozového parku veřejné linkové dopravy, a to na základě zákona 218/2000 Sb. o rozpočtových pravidlech, dále rozvedeném vyhláškou 40/2001 Sb., o účasti státního rozpočtu na financování programů reprodukce majetku a každoročně Ministerstvem dopravy vydávanými Pravidly pro poskytování dotací ze státního rozpočtu v rámci Programu podpory obnovy vozidel městské hromadné dopravy a veřejné linkové dopravy110. Maximální výše příspěvku je omezena 30 % pořizovací ceny vozidla. Železniční doprava Obdobně je upraven závazek veřejné služby v oblasti železniční dopravy, kdy podle zákona 266/1994 Sb., o dráhách vzniká na základě smlouvy mezi dopravcem a krajem, resp. Ministerstvem dopravy. Prokazatelná ztráta je hrazena buď krajem (základní dopravní obslužnost území) nebo ministerstvem (dopravní potřeby státu ve veřejném zájmu). Náležitosti smlouvy a způsobu vykazování ztráty blíže upravuje vyhláška 241/2005 Sb. V případě úhrady prokazatelné ztráty společnosti České dráhy poukázal Nejvyšší kontrolní úřad na nedostatky týkající se odděleného vykazování nákladů týkajících se závazku veřejné služby111.

109

Ale i ustanovení čl. 86 odst. 2 o podnicích poskytujících služby obecného hospodářského zájmu. Program MD ČR pro období 2004-2007, ev. č. 227 620. 111 Prostředky státního rozpočtu poskytované na veřejnou osobní dopravu, kontrolní akce 06/07, Věstník Nejvyššího kontrolního úřadu ČR, 2006, Částka 4 110

231


2.3.4.11 Obchodovatelná povolení Využití tohoto nástroje v oblasti dopravy na snížení emisí skleníkových plynů je předmětem návrhu směrnice, který v prosinci 2006 předložila Evropská komise112. Podle tohoto návrhu by od roku 2011 byly do emisního obchodování zahrnuty domácí a intrakomunitární lety od od následujícího roku všechny lety, které přistávají nebo odlétají z letišť v EU. Obchodování se má vztahovat pouze na emise oxidu uhličitého, případné rozšíření i na emise oxidu dusného bude teprve předmětem posouzení. Určitá část povolenek bude operátorům alokována zdarma, zbytek bude rozdělen aukčním mechanismem.

2.3.4.12 Pojištění V oblasti silniční dopravy je pomocí povinného smluvního pojištění řešena problematika odpovědnosti za škodu způsobenou provozem vozidla. Zákon113 stanoví povinnost vlastníka tuzemského vozidla nebo řidiče cizozemského vozidla uzavřít pojistnou smlouvu. Zákon stanoví minimální pojistné limity, které kryjí poškozeným škody na zdraví nebo usmrcením, věcnou škodu, ušlý zisk a účelně vynaložené náklady na vymáhání náhrady. Obdobně je povinnost uzavřít pojištění za škodu způsobenou provozem drážní dopravy stanovena zákonem o dráhách (§ 27a odst. 4).

2.3.5 VÝZKUM EKONOMICKÝCH NÁSTROJŮ V EU Evropský výzkum v oblasti regulace a zpoplatnění dopravy je významně podporován, a to jak Evropskou komisí (DG TREN, DG RESEARCH), tak jednotlivými národními ministerstvy dopravy. Následující tabulka podává přehled evropských projektů, které byly zaměřeny na analýzu nástrojů regulace dopravy.

112

Propsal for a directive of the European Parliament and of the Council amending Directive 2003/87/EC so as to include aviation activities in the scheme for greenhouse gas emission allowance trading within the Community, COM[2006] 818 113 Zákon 168/1999 Sb., o pojištění odpovědnosti za škodu způsobenou provozem vozidla a o změně některých souvisejících zákonů (zákon o pojištění odpovědnosti z provozu vozidla)

232


Tabulka 2.3.3: Analyzované nástroje v různých evropských projektech Daň z paliva

Zpoplatnění

AFFORD

X

X

CANTIQUE

X

Cupid

X

X

X

DESIRE

X

X

X

X

Eurotoll

Nová infrastruktura a ITS

Společenská regulace

X

X

X

X

FISCUS

X

X

IMPRINT

X

X

X

X

KonSULT

X

X

X

X

MARETOPE MC-ICAM

X X

X

PATS

X

X

PROGRESS

X

X

PROSPECTS

X

X

RECORDIT

X

X

X

TRANSPLUS

X

X

X

TRANSPRICE

X

X

X

UNESCAP

X

Světová banka

X

X X

X

Pozn.: Mezi společenskou regulaci patří mimo jiné pracovní podmínky řidičů, omezení rychlosti, maximální hmotnost vozidla nebo požadavky na zkoušky a další schopnosti řidičů.

Zvláštní pozornost věnuje Evropská komise výzkumům v oblasti zpoplatnění dopravy. Můžeme vysledovat několik hlavních témat, kterým se výzkum zpoplatnění dopravy věnuje. Jedná se především o technické aspekty zpoplatnění a možnosti interoperability, stanovení optimální výše poplatku, financování nákladů mýtných systémů, problematiku akceptovatelnosti zpoplatnění veřejností atd. Následující tabulka podává přehled řešených témat a evropských projektů, které se těmto tématům věnují.

233


Tabulka 2.3.4: Projekty financované EU vztahující se ke zpoplatnění dopravy Zpoplatnění

Akceptovatelnost

Financování

Informace / komunikace

Náklady

Technologie, interoperabilita

CAPRI TRENEN-IISTRAN

PRIMA

INTRAFIN

TRANSIPOL

FISCUS

A1

OPTIMA

TRACE

UNITE

ADEPT

FATIMA

High Level Group on Infrastructure Charging

ADVICE

EUROTOLL

PATS

PETS

AFFORD

CARDME CESARE DELTA INITIATIVE MOVE-it STAR VASCO VERA

Ekonomie dopravy rozpracovává téma zpoplatnění poměrně důkladně. V následující tabulce jsme zachytili problematické okruhy a konkrétní výzkumné otázky, kterým se evropský výzkum v současné době věnuje. Tabulka 2.3.5: Přehled ekonomických výzkumných témat v evropském výzkumu v oblasti zpoplatnění dopravy Zpoplatnění

Mezní společenské náklady

Akceptace

Financování

Odhady nákladů

Městské Meziměstské

Krátkodobé vs. dlouhodobé společenské náklady Poplatek Technická schémata

Rovnost Technická dosažitelnost Efektivita

Elasticity Role soukromého sektoru

Srovnání nákladů Determinanty nákladů

Z teoretického hlediska je zajímavá otázka, zda zpoplatňovat ujeté kilometry ve výši dlouhodobých nebo krátkodobých mezních společenských nákladů. Teorie dopravní ekonomie říká, že zpoplatnění, jehož cílem je internalizovat externí náklady, by mělo být postaveno na principech mezních společenských nákladů. Efektivní zpoplatnění znamená zahrnutí všech způsobených škod a jejich přenesení na původce škod (tj. environmentální problémy, nehody, atd.). Jak říká High Level Group on Infrastructure Charging, uživatelé dopravní infrastruktury by měli být zpoplatněni ve výši krátkodobých mezních nákladů (short run marginal cost, SRMC), tj. ve výši dodatečných nákladů, které daný uživatel způsobuje. Toto však v praxi není možné, protože realizace tohoto principu vyžaduje přesnou kalkulaci SRMC. Místo toho se obvykle počítají náklady investiční a náklady na údržbu dopravní infrastruktury (průměrné náklady dopravní infrastruktury). Proto se rozvíjí diskuse, zda by místo krátkodobých mezních nákladů neměly být používány dlouhodobé (long run) mezní náklady. SRMC poskytují ekonomicky

234


nejefektivnější teoretický základ zpoplatnění dopravy v krátkém období, protože umožňují nejlepší využití stávající dopravní infrastruktury, avšak nepřináší vhodné signály na investice do dopravní infrastruktury. Nevedou tedy k plnému pokrytí investičních nákladů, proto je třeba obvykle nutné použít dalších nástrojů. LRMC naproti tomu mohou být obtížné použít, protože k největším investicím do dopravní infrastruktury dochází ve velkých sumách a nepravidelně. Při optimálním investičním scénáři by se však SRMC měly rovnat LRMC. Pokud výnosy zpoplatnění podle SRMC nepřináší dostatečné výnosy na pokrytí celkových nákladů, CAPRI obhajuje, aby bylo stanoveno dodatečné zpoplatnění nad mezní společenské náklady v souladu s ekonomickými principy druhého nejlepšího světa. Například PETS projekt navrhuje použít dvou-tarifní zpoplatnění nebo Ramseyovské zpoplatnění jako druhou nejlepší možnost. Pro SRMC jsou vlastní diferencované sazby, protože mezní společenské náklady jsou místně specifické a závisí na řadě faktorů. Například CAPRI navrhuje, že zpoplatnění ve městě by mělo být diferencované podle: • času během dne • místa • typu vozidla nebo motoru.

2.3.6 SHRNUTÍ S ohledem na ekonomickou a environmentální efektivnost jsou nejúčinnější daňové a poplatkové nástroje. Tyto nástroje snižují – za předpokladu efektivní veřejné kontroly – možnost korupce a „zeleného“ image ze strany firem a navíc přináší dodatečný příjem do veřejných rozpočtů. Motivují k investicím do úspornějších, příp. čistších technologií, a také ke snižování množství najetých kilometrů, což má pozitivní dopady na životní prostředí. Významnější dopad tyto nástroje mají, pokud zvyšují variabilní náklady (tj. v podobě spotřebních daní z paliv) oproti jednorázovým poplatkům zvyšujícím fixní náklady. Účinným nástrojem environmentální politiky je i mýtné. Mýtné, zvláště v podobě elektronického výběru mýtného, představuje efektivní ekonomický nástroj, který nejen řeší problém financování silniční infrastruktury, ale jehož vedlejším výsledkem je snižování dopravy celkově (a tím i emisí a dalších negativních dopadů na životní prostředí). Mýtné však vyžaduje počáteční investice do technologie výběru poplatků. Jako ekonomicky neefektivní a s negativním dopadem na životní prostředí se naopak jeví řada dotací. Ačkoli část dotací má pozitivní dopad na životní prostředí, neplatí to vždy - klasickým příkladem je tzv. „zelená vratka“. Je proto nezbytné u jednotlivých projektů posoudit, který z dopadů na životní prostředí u něj převáží.

LITERATURA Brůha, J., Ščasný, M. (2003): Public finance aspects of a green tax reform in the Czech Republic. Working paper of the 7th Joint meeting of Tax and Evironmental experts.

235


OECD Paris November 2003, COM/ENV/EPOC/DAFFE/CFA(2003)126.

OECD,

Paris,

2003,

CEMT (1998): Efficient Transport for Europe – Policies for Internalisation of External Costs. CEMT, Paris. European Commission (1996): K správnému a efektivnímu stanovení cen v dopravě, Zelená kniha Evropské komise. NADATUR, Praha. European Commission (1997): COM(1997) 30 final – Proposal for a Council Directive restructuring the Community framework for the taxation of energy products (97/C 139/07). Brusel. European Commission (2002a): COM(2002) 410 final - Proposal for a COUNCIL DIRECTIVE amending Directive 92/81/EEC and Directive 92/82/EEC to introduce special tax arrangements for diesel fuel used for commercial purposes and to align the excise duties on petrol and diesel fuel, Brusel. European Commission (2002b): COM(2002) 508 final - Amended proposal for a DIRECTIVE OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL on the promotion of the use of biofuels for transport, Brusel. European Commission (2005a): Structures of the taxation systems in the European Union, 2005 edition, Office for Official Publications of the European Communities, Luxembourg Eurostat (2003): Environmental Taxes in the European Union 1980-2001, Statistics in focus, Energy and Environment, theme 8-9/2003 Jílková, J. (2003): Daně, dotace a obchodovatelná povolení – nástroje ochrany ovzduší a klimatu. IREAS, Praha 2003 Kopanezou E. (2006): Urban transport and Cohesion Policy, abstrakt prezentace, European Week of Regions a and Cities, Brusel, 9.-13. říjen.2006 OECD (2001a): Environmentally Related Taxes in OECD Countries: Issues and Strategies. Paris. OECD (2001b): Domestic Transferable Permits for Environmental Management: Design and Implementation. Paris. OECD (2002): External Costs of Transport in Central and Eastern Europe. (ENV/EPOC/WPNEP/T(2002)5). Studie zpracována INFRAS a HERRY pro OECD Environment Directorate a Austrian Ministry for Agriculture and Forestry, Environment and Water Management. Zurich/Vienna. Peltrám, A., Kořínková K. a kol.(2003): Předpoklady převzetí a zavedení elektronického systému mýta na komunikacích pro mezinárodní silniční dopravu v České republice. VŠMVV Praha, červen 2003. Rietveld, P. a kol. (2000): Effectiveness and Feasibility of Advanced Kilometre Charging. Main report. Netherlands Society for Nature and Environment. Utrecht, listopad 2000.

236


SDT (2003): Elektronické platby mýtného. Projekt MDS č. 804/110/101. Rozšířené zadání. Účelnost a způsoby zpoplatnění silniční infrastruktury. Praha, únor 2003. Ščasný, M. (2003a): Environmentální daně a poplatky v EU, OECD a zemích střední Evropy. Situace v Evropské Unii k energetickému zdanění; in: Ščasný (eds.): Konsolidace vládnutí a podnikání v České republice a Evropské unii. Sborník IV: Environmentalní daňová reforma - Optimalní fiskální poitika nebo efektivní politika životního prostředí? Sborník z konference organizované FSV UK a COŽP UK v Praze 31. října – 2. listopadu 2002. KAROLINUM, Prague. Ščasný, M. (2003b): Environmentální daně a poplatky v České republice v datech. Možnosti pro environmentální daňovou reformu; in: Ščasný (eds.): Konsolidace vládnutí a podnikání v České republice a Evropské unii. Sborník IV: Environmentalní daňová reforma - Optimalní fiskální poitika nebo efektivní politika životního prostředí? Sborník z konference organizované FSV UK a COŽP UK v Praze 31. října – 2. listopadu 2002. KAROLINUM, Prague. Van Beers, C. P. et A. P. G. de Moors (1999): Addicted to Subsidies: How Governments Use Your Money to Destroy the Earth and Pamper the Rich. Institute for Research on Public Expenditures. The Hague, Netherlands.

237


PŘÍLOHA: SEZNAM EVROPSKÝCH PROJEKTŮ ZAMĚŘENÝCH NA REGULACI DOPRAVY

238

SEZNAM EVROPSKÝCH PROJEKTŮ ZAMĚŘENÝCH NA REGULACI DOPRAVY AFFORD Acceptability of Fiscal and Financial measures and Organisational Requirements for Demand management http://data.vatt.fi/afford CAPRI Concerted Action on Transport Pricing Research Integration http://www.its.leeds.ac.uk/projects/capri/index.html CUPID Co-ordinating Urban Pricing Integrated Demonstrations http://www.transport-pricing.net/cupid.html DESIRE Designs for Interurban Road pricing schemes in Europe http://www.tis.pt/proj/desire.htm Meziměstské zpoplatnění dopravní infrastruktury EUROTOLL Cílem tohoto projektu bylo analyzovat dopady zpoplatnění silniční dopravy a strategií mobility silniční dopravy a dopravní faktory. http://cordis.europa.eu/transport/src/eurotollrep.htm FATIMA Financial Assistance for Transport Integration in Metropolitan Areas http://www.its.leeds.ac.uk/projects/fatima IMPRINT-EUROPE Implementing Pricing Reform in Transport – Effective Use of Research On Pricing in Europe http://www.imprint-eu.org KonSULT Knowledge database On Sustainable Urban Land Use and Transport http://www.transportconnect.net/konsult MC-ICAM Marginal Cost pricing in transport – Integrated Conceptual and Applied Model analysis http://data.vatt.fi/mcicam OPTIMA Optimisation of Policie for Transport Integration in Metropolitan Areas http://www.its.leeds.ac.uk/projects/optima/index.html PROSPECTS Procedures for Recommending Optima Sustainable Planning of European City Transport Systems http://www-ivv.tuwien.ac.at/projekcts/prospects.html

SPECTRUM Study of Policies regarding Economic instruments Complementing Transport Regulation and the Undertaking of physical Measures http://www.its.leeds.ac.uk/projects/spectrum/summary.html STELLA Sustainable Transport in Europe and Liaisons with America http://www.stellaproject.org TRANSPLUS Transport Planning Land Use and Sustainability http://www.isis-it.com/transplus TRANSPRICE Trans Modal Integrated Urban Transport, Pricing for Optimum Modal Split http://cordis.europa.eu/transport/src/transpricerep.htm TRENEN http://www.tmleuven.be/project/trenen/home.htm UNITE UNIfication of accounts and marginal costs for Transport Efficiency http://www.its.leeds.ac.uk/projects/unite/index.html


2.4 Vytvoření a empirická verifikace ekonomického modelu dopravního chování Úvod Ekonomická teorie nabízí širokou řadu nástrojů regulace osobní dopravy. Jejich zavedení má snižovat ekonomické neefektivnosti (především minimalizovat externí efekty, jako jsou emise z dopravy, hluk, dopravní nehody, znečištění vod nebo kongesce114), optimalizovat využití zdrojů (zábor půdy115) a v neposlední řadě přispět při získávání prostředků na financování výstavby a údržby dopravní infrastruktury. Ekonomické nástroje regulace představují významný nástroj dopravní politiky. Kromě nich se využívají také prostředky založené na „měkkých přístupech“ k optimalizaci dopravních proudů. Jejich příkladem je management poptávky po dopravě116 nebo využití moderních informačních technologií pro navigaci vozidel a výběr trasy. S regulací dopravy pak úzce souvisí nabídka dopravních služeb, která svým rozsahem a kvalitou může ovlivnit využití jednotlivých druhů dopravy, dopravních komunikací, typ paliv a další117. V tomto textu se zaměřuji převážně na ekonomické nástroje regulace, někdy nazývané také „tržně-konformní nástroje“. Ty postupně získávají stále významnější místo v dopravních politikách – jejich použití je dnes častější s tím, jak narůstají objemy dopravy a s tím spojené výše zmíněné neefektivity118. Zároveň je možné díky novým technologiím využít některé nástroje v praxi, jako je například kilometrické zpoplatnění založené na skutečně ujeté vzdálenosti po určité komunikaci v určitou dobu. Ekonomické nástroje v dopravě můžeme rozdělit podle různých kritérií. Jedním z nich je geografický rozsah jejich působení. Většina těchto nástrojů pokrývá území státu (různé daňové a poplatkové nástroje), jen malá část je jich využívána na lokální úrovni 114

Kongesce, tedy dopravní zácpy, však nejsou všemi autory považovány za externí efekt [BrůhováFoltýnová 2006]. Je to z toho důvodu, že zdržení v důsledku dopravních zácep si způsobují uživatelé dopravní komunikace navzájem, tyto dopady se tudíž netýkají zbytku společnosti. Jinak je však třeba přistupovat např. k vyšší produkci emisí v důsledku neefektivního spalování při popojíždění v malých rychlostech v kolonách – zde se již jedná o typický příklad negativního externího efektu. Náklady kongescí (náklady času stráveného v dopravních zácpách) však představují podle většiny studií v západní Evropě největší položku externích nákladů z dopravy [OECD 2002]. 115 Zvláště v urbánních oblastech, kde má veřejný prostor multifunkční využití [Spiekermann a Wegener, 2004]. 116 Management poptávky po dopravě (mobility management) se v užším smyslu používá pro „omezování dojížďky do práce individuální automobilovou dopravou“ samotnými podniky [Kurfürst 2002: 34]. V nejširším smyslu však zahrnuje všechna opatření směřující k efektivnějšímu využívání dopravy s důrazem na podporu environmentálně příznivějších druhů dopravy. 117 Analýzám faktorů volby dopravních prostředků / určitých tras je věnována velká část mikroekonomické literatury. Přehled podává např. Quandt [1970] nebo Domencich a McFadden [1975]. 118 Jen v ČR mezi lety 1995 a 2005 narostl výkon osobní dopravy (měřený v osobokm) o 16 %. Tento nárůst je však tažený především individuální automobilovou dopravou, která se v tomto období zvýšila o 21 %, zatímco např. osobní železniční doprava naopak poklesla o 20 % [MD 2007]. Tyto změny s sebou přináší řadu společenských nákladů: náklady spojené se znečištěním ovzduší a hlukovou zátěží, příspěvek ke klimatickým změnám, kongesce, dopravní nehody, zábor půdy a další.

239


(zpoplatnění vjezdu do určité části města, parkovací poplatky). Ekonomické nástroje můžeme kategorizovat také podle toho, zda ovlivňují fixní či variabilní náklady uživatelů. Variabilní náklady jsou ovlivněny především daněmi z pohonných hmot či kilometru a jejich regulační efekt spočívá v dopadu na palivovou efektivitu, množství emitovaných emisí a najetých kilometrů. Fixní náklady jsou pak zvyšovány např. daní z vozidla (ať již ročně placenou daní, jakou je naše silniční daň, či registrační daní placenou při registraci vozidla) a ovlivňují především vlastnictví dopravních prostředků. Daň z vozidla může být diferencovaná podle řady kritérií, např. spotřeby vozidla, emisních standardů či stáří, s ohledem na to, jaký cíl regulací sledujeme (zda zvýšení podílu vozidel s nižšími emisními parametry, s nižší spotřebou nebo vozidel novějších apod.). Cílem tohoto textu je diskutovat výsledky simulačního modelu kalibrovaného pro pět největších měst ČR a porovnat je s výsledky obdobných zahraničních studií. Nejprve podávám přehled o výsledcích analýz vybraných relevantních zahraničních studií věnovaných simulacím dopadů regulačních nástrojů na ekonomiku a životní prostředí. Poté představím metodiku a výstupy použité při aplikaci vlastního simulačního modelu na česká města a na závěr srovnávám výsledky dosažené naším simulačním modelem s výsledky zahraničními. Celý text je primárně zaměřen na osobní dopravu v městských oblastech.

2.4.1 SIMULAČNÍ MODELY – VÝSLEDKY ZE ZAHRANIČNÍ LITERATURY Problematika regulace externích efektů přitahuje pozornost výzkumníků již od 20. let minulého století119. K intenzivnímu výzkumu v oblasti dopravní ekonomie (či také ekonomie dopravy), kam tento výzkum patří, dochází zhruba od 60. let120 20. století. V tomto období vyvstala nutnost narůstající dopravu usměrňovat, a to především v městských oblastech USA, západní Evropy a některých asijských měst (Singapur121). Metodologie dopravní ekonomie vychází především z neoklasické ekonomie, tj. v normativní rovině z ekonomie blahobytu. Jednotlivé modely a studie simulující dopady tržně-konformních nástrojů v dopravě se liší v několika dimenzích. Některé jsou pozitivní (hodnotí dopady jednotlivých nástrojů dopravní politiky), jiné jsou ze své podstaty normativní (snaží se najít „efektivní“ nebo „optimální“ nástroj regulace pro konkrétní situaci). Druhou relevantní dimenzí je rozsah použitého ekonomického modelu: většina modelů jsou modely částečné rovnováhy, ale najdeme i modely propracovanější – modely celkové rovnováhy –, ve kterých jsou již zahrnuty náklady veřejných rozpočtů a náklady mrtvé 119

Ekonomové (mimo jiné A. Pigou) začali ve 20. letech 20. století rozvíjet např. principy internalizace externích nákladů [Foltýnová a Brůha 2006]. 120 První časopis věnovaný čistě ekonomii dopravy „Journal of Transport Economics and Policy“ se vydává od roku 1967. Do té doby byly články z této oblasti publikovány ve standardních ekonomických časopisech, a to i hlavního ekonomického proudu, jako jsou Economic Journal, American Economic Review, Bulletin of the Oxford University Institute of Statistics, Land Economics nebo the Journal of Industrial Economics. 121 Singapur byl prvním městem, které zavedlo v roce 1975 zpoplatnění vozidel na vjezdu do centra [Gomez-Ibanez et al. 1999].

240


váhy. Daňová efektivita je jeden z důležitých aspektů prováděných analýz, protože velká část ekonomických nástrojů dopravních politik přináší neopomenutelný zdroj příjmů pro veřejné rozpočty. Dalším významným analyzovaným kritériem bývá obvykle využití výnosů daní a poplatků (recyklace výnosů zpět do ekonomiky). V tomto kontextu bývá někdy diskutována existence tzv. dvojí dividendy, což je – zjednodušeně řečeno – snížení distorzí daňového systému a snížení zátěže životního prostředí. Pokud jsou výnosy daně, která zatíží např. spotřebu pohonných hmot, recyklovány zpět do ekonomiky vhodným způsobem, mohou přinést za určitých podmínek tuto dvojí dividendu [podrobněji viz. Foltýnová a Brůha 2006]. (Mikro-)simulační modely nejčastěji analyzují dopady různých nástrojů/scénářů na společenský blahobyt. Jednotlivé studie se však liší v tom, jaké dopady do změny společenského blahobytu započítávají. Obvykle to bývají kromě výnosů veřejných rozpočtů a snížení externalit z dopravy (což většinou zvyšuje blahobyt) také náklady mrtvé váhy a spotřebitelský či výrobcův přebytek (což většinou blahobyt snižuje). Dále podávám přehled vybraných zahraničních studií zabývajících se tímto tématem a jejich nejzajímavější výsledky. Normativní studie Parryho a Smalla [2005] hledá úroveň optimálního zdanění spotřební daně z motorových paliv pro USA a Velkou Británii. Jedním z přínosů tohoto článku je, že analyzuje i dopady recyklace daňových výnosů – výnosy ze spotřební daně z paliv slouží ke snížení distorzních daní z příjmu. S pomocí tohoto modelu autoři srovnávají dopady na změnu společenského blahobytu pro několik scénářů s různými daňovými nástroji. Do blahobytu zahrnují změnu daňových výnosů, dopady snížení ujetých kilometrů na životní prostředí a dopady na trh práce. Za dopady z ujetých kilometrů jsou skryty především nižší externí náklady z kongescí, znečištění ovzduší a dopravních nehod. Jednotlivé parametry modelu (poptávkové elasticity a hodnoty externích nákladů) tito autoři převzali z literatury. Z výsledků simulací Parryho a Smalla [2005] vyplývá, že současná sazba daně ve Velké Británii (2,80 USD/galon) je více než dvakrát vyšší, než je odhad její optimální hodnoty (1,34 USD/galon). Z tohoto důvodu autoři očekávají pozitivní dopad na společenský blahobyt v případě, že bude tato daň snížena, a ještě vyšší pozitivní dopad, pokud bude část daňové zátěže převedena na zdanění ujetých kilometrů (tak, aby zůstal zachován celkový objem daňových výnosů). Naopak daňová sazba na paliva ve Spojených státech je podstatně nižší, než je odhadovaná její optimální výše (stávající je 0,36 USD/galon, odhadovaná optimální pak 1,01 USD/galon). Na závěr autoři diskutují citlivost výsledků vzhledem k výši jednotlivých parametrů. Poměrně opomíjeným nástrojem regulace dopravy je pojištění vozidla s pohyblivou výší pojistného dle ujetých kilometrů (tzv. Pay-As-You-Drive Insurance, PAYD122). V článku Parryho [2005] je tento nástroj srovnáván s dopady z daní z paliv a daní na ujeté kilometry na datech ze Spojených států. Parry však na rozdíl od

122

Zavedení PAYD je motivováno cílem snížit ujeté kilometry (a tím nepřímo i spotřebu paliva) především u vysoce rizikových řidičů. Na rozdíl od daně z paliv však nezvyšuje palivovou efektivitu. Pojišťovny by nevybírali pojistné v podobě ročních lump-sum plateb, ale pojistné v závislosti na ujetých kilometrech převážený rizikovým faktorem řidiče (ten variuje podle věku, nehodovosti řidiče a regionu).

241


předchozího modelu nebral v úvahu dopady recyklace výnosů jednotlivých daní – výnosy jsou navráceny do ekonomiky v podobě lump-sum plateb123. Modelovaná užitková funkce zahrnuje spotřebu ujetých kilometrů, která je snížena o externality spojené se spotřebou paliv jinými jedinci (sem patří – budoucí – škody z klimatické změny způsobené skleníkovými plyny, neinternalizované riziko makroekonomických nerovnováh v důsledku šoků do cen paliv124 a „optimální clo“ z monopsonní pozice USA na světovém trhu s ropou) a o externality související s ujetými kilometry (náklady kongescí, nehod a lokálního znečištění ovzduší). Takto počítaný užitek je omezen rozpočtovým omezením na fixní a variabilní náklady používání vozidla. Omezení výdajů veřejných financí pak závisí na velikosti výnosů ze spotřebních daní. Jednotlivé parametry modelu autor taktéž převzal z literatury. Externí náklady jsou podobně jako v předchozím případě rozlišeny podle toho, zda závisí na spotřebě paliv (především náklady z emisí z dopravy) nebo zda závisí na vlastnictví vozidla (náklady nehod a kongescí). Z výsledků simulací vyplývá, že nejvyšší přínosy z pohledu společenského blahobytu by přinesl PAYD, dále pak kilometrické zpoplatnění a daň z paliv přináší nejmenší blahobyt z těchto tří zkoumaných nástrojů. Dosud zmíněné studie významně přispívají k pochopení tvorby efektivní regulace dopravy. Nicméně ve svých analýzách nezohledňují místo, ve kterém dochází k externím efektům (jiné externí náklady jsou například v hustě zabydlených oblastech a jiné ve volné zemědělské krajině). Tomuto problému se částečně vyhýbají studie, které jsou zaměřeny pouze na jednu srovnatelnou oblast, co se týče hodnot externích nákladů (obvykle jimi bývá území nějaké aglomerace) nebo se dopady modelují zvlášť pro urbánní a rurální oblasti. Komplexní přístup k analýze regulace dopravy představuje evropský projekt „TRENEN“. V rámci tohoto projektu vznikly modely na analýzy optimálního zpoplatnění dopravy. Model popisují (spolu s nejzajímavějšími výsledky projektu) např. Proost et al [2002] nebo Proost a Van Dender [2001]. TRENEN je modelem částečné rovnováhy, který zahrnuje všechny druhy dopravy (silniční, železniční, vnitrozemskou vodní a leteckou) zvlášť pro urbánní a meziměstské oblasti. Dopravní trhy jsou dále diferencované podle času (v rozlišení na špičky a mimo špičku) a podle emisních charakteristik vozového parku. Model však nezahrnuje náklady veřejných rozpočtů a je předpokládána neexistence distorzí v ekonomice. Hlavní omezení TRENEN modelu představuje úroveň jeho agregace (doprava v regionu je agregována do jednoho funkčního vztahu pro každý dopravní mód) a statický charakter (model modeluje dopravní trhy v daném období, přičemž považuje silniční a železniční síť jako fixní a vozový park je automaticky přizpůsobován). Model je proto

123

Pouze v poznámce pod čarou autor mluví o možném využití výnosů na investice do dopravních staveb. Tuto možnost však nepovažuje za efektivní pro PAYD. Jak uvádí na příkladu studie Shirley a Winston [2004], jejich odhad (průměrné) společenské míry návratnosti infrastrukturních projektů je okolo 5 %, což je však typická diskontní sazba používaná v USA pro hodnocení projektů. To naznačuje, že společenská hodnota dodatečného 1 USD utracená na dálnice může být přibližně 1 USD. 124 Například v důsledku dočasně zahálející pracovní síly a kapitálu.

242


vhodný pro diskusi optimálního zpoplatnění na základě krátkodobých mezních externích nákladů, ne na analýzu optimálních investičních rozhodnutí o infrastruktuře. Proost and Van Dender [2001] shrnují mimo jiné výsledky simulací tří scénářů v oblasti regulace osobní dopravy pro Brusel, přičemž tyto dopady byly predikovány pro rok 2005. Jde o politiky regulace znečištění ovzduší (postavené na limitech emisních parametrů vozidel), zvyšování energetické efektivity v dopravě (politika minimální palivové efektivity a daně z paliva) a zpoplatnění dopravy (plná internalizace externích nákladů, zpoplatnění vjezdu a parkovací poplatky). Autoři zjistili, že politiky primárně zaměřené na snižování emisí z dopravy nebo zvyšování palivové efektivity nevedou k poklesu podílu automobilů na výkonu osobní dopravy, přesto však pozitivně ovlivňují kvalitu ovzduší. Mezní sazba těchto daní však může brzy dosáhnout úrovně rychle rostoucích mezních nákladů na zabránění, což snižuje jejich přínos pro nárůst společenského blahobytu. Naopak pozitivní dopad na blahobyt může být dosažen díky politikám, které primárně snižují neefektivitu na trzích městské dopravy, kam autoři řadí především kongesce a poskytování parkovacích míst za cenu nižší, než odpovídá skutečným společenským nákladům. Další případové studie s využitím TRENEN modelu pak přidává Nash et al. [2001], který predikuje výsledky různých dopravních politik do roku 2010 pro vybraná území v Evropě (pět případových studií: osobní a nákladní doprava přes kanál La Manche, transalpská nákladní doprava; osobní a nákladní doprava z Helsinek na ruské hranice; osobní doprava Oslo-Gothenburg a osobní doprava v Lisabonu). Simulace potvrdily to, co předchozí články – že doprava ve městech nehradí všechny náklady. Naopak se ukázalo, že doprava meziměstská platí vyšší náklady, než způsobuje. Důvodem je, že nejčastěji používaným nástrojem je spotřební daň z paliv, ta je však nevhodná pro regulaci většiny externích nákladů v městských oblastech (kongesce, dopravní nehody). Navíc poptávka po pohonných hmotách je poměrně neelastická a vede jen k malým změnám v dělbě přepravní práce. Autoři článku proto dospěli k závěru, že společensky efektivnější by bylo snížit sazbu daně z paliv a naopak implementovat některou z forem zpoplatnění v městských oblastech. Proost et al. [2002] používají TRENEN model analýze rozdílů mezi skutečnými a optimálními cenami dopravy ve čtyřech městských oblastech Evropy: Amsterodam, Brusel, Dublin, Londýn a dvou státech: Belgii a Irsku. V nich analyzují jak osobní, tak nákladní dopravu. Funkce společenského blahobytu zahrnuje výrobcův a spotřebitelský přebytek, daňové výnosy a externí náklady z dopravy. Ze simulací vychází, že ve všech zkoumaných městech by byla optimální cena dopravy vyšší, než je současná, a to zvláště v čase dopravních špiček. Významný neplacený náklad v městských oblastech pak představuje parkování, zpoplatnění parkování může podle těchto autorů zvýšit společenský blahobyt. Evropská komise nyní používá k podpoře svých politických rozhodnutí o použití ekonomických nástrojů dopravních politik na území EU model TREMOVE125. Jedná se o model k hodnocení efektů dopravních a environmentálních politik na emise v dopravním sektoru. Model odhaduje poptávku po dopravě, dělbu přepravní práce, obnovu vozového parku, emise a úroveň společenského blahobytu (pro politiky jako je 125

Model je kalibrován pro 21 evropských zemí pro období 1995–2020. V současné době je model rozšiřován pro dalších 10 evropských zemí do roku 2030 (více viz http://www.tremove.org/index.htm).

243


zpoplatnění dopravy, cenotvorba hromadné dopravy, emisní standardy vozidel, dotace do čistších vozidel atd.). Odlišný přístup zvolila Mayeres [2000], který do svých simulací zahrnul i dopady dotací do veřejné hromadné dopravy. Mayeres [2000] analyzovala tyto nástroje: zpoplatnění dopravy, vyšší sazby daně z paliv a vyšší dotace hromadné dopravě. Do modelu zahrnuje i dopady různých způsobů recyklace výnosů, kterými jsou lump-sum transfery obyvatelům, snížení sazby daně z příjmu a snížení sazby dalších daňových nástrojů používaných v dopravě. Autor ukazuje, že blahobyt zvyšuje zavedení zpoplatnění dopravy ve špičkách nebo vyšší spotřební daň z paliv, pokud jsou výnosy z nich vráceny do ekonomiky ve formě lump-sum transferů nebo ke snížení sazeb daně z příjmu. Nárůst blahobytu u obou nástrojů je nejvyšší, pokud jsou výnosy použity ke snížení daně z příjmu. Vyšší dotace do hromadné dopravy vedly naopak ke snížení společenského blahobytu, jejich dopad ale velmi závisel na způsobu, jak byly poskytnuté dotace financovány. Nejefektivnější v tomto případě vychází využití výnosů ze zpoplatnění dopravy ve špičkách k vyšším dotacím do hromadné dopravy126. Ze zmíněných studií plyne, že společensky nejefektivnější regulace opravy je kilometrické (výkonové) zpoplatnění dopravy kombinované s (v Evropě nižší než současnou) sazbou spotřební daně z paliv a ve městských oblastech doplněná o nástroje na lokální úrovni jako parkovné nebo poplatek za vjezd do centra. Naopak vyšší podpora hromadné dopravy formou vyšších dotací může snižovat společenský blahobyt. Většina těchto studií však vychází ze situace v západních zemích, kde náklady kongescí představují nejvyšší externí náklady dopravy. Naopak ve většině tranzitivních ekonomik střední Evropy kongesce nepředstavují největší problém, tím je často spíše znečištění ovzduší.

2.4.2 SIMULAČNÍ MODEL PRO MĚSTA V ČR V této části je stručně popsaný simulační model [detailnější popis viz Foltýnová a Brůha 2006 a Brůhová-Foltýnová a Brůha 2007] a shrnuty některé závěry simulací získané s využitím tohoto modelu. Podobně jako ve výše zmíněných studiích jsou analyzovány dopady různých scénářů dopravní politiky na celkový společenský blahobyt. Do společenského blahobytu je zahrnut spotřebitelský přebytek, externí náklady ze znečištění ovzduší a změny klimatu a dopady na veřejné finance. Spotřebitelský přebytek je vyjádřen jako kompenzační variace (tj. množství prostředků, které bychom museli dát spotřebiteli, aby jeho užitek zůstal po implementaci určitého nástroje na původní výši), kterou aproximujeme pomocí Taylorova rozvoje. 126

Tento závěr může podporovat hypotézu existence tzv. Mohringova efektu. Tento efekt byl poprvé popsán a kvantifikován pro městskou autobusovou dopravu [Morhing 1972]. Popisuje situaci, kdy dodateční uživatelé hromadné dopravy požadují více kapacity v podobě více vozidel (spojů); jejich zvýšení však sníží náklady přístupu k hromadné dopravě pro stávající uživatele. Mohring tak vlastně upozornil, že v městské autobusové dopravě jsou jasné efekty z rozsahu, což přináší významné implikace jak pro investiční politiku, tak pro cenovou politiku.

244


Externí náklady byly stanoveny s využitím metodiky ExternE [více viz EK, 2003 nebo COŽP, 2005]. Pro potřeby naší analýzy hodnotíme dopady na zdraví (nemocnost a úmrtnost exponované populace), životní prostředí (změnu klimatu), zemědělskou produkci, budovy, materiály a ekosystémy u následujících emisí: NOx, NO2, SO2, PM10 a CO2. Metodika ExtenE při kvantifikaci externích nákladů rozlišuje jednotlivé typy paliv, použité technologie a specifické podmínky v lokalitě (místní a regionální meteorologické podmínky, hustotu populace atd.). Data pro stanovení struktury vozového parku přebíráme ze studie ATEM [2001]. Odhadované externí náklady z veřejné dopravy odráží taktéž strukturu vozového parku. Předpokládám pro zjednodušení, že vozy elektrické trakce (tramvaje, trolejbusy a metro) jsou „bezemisní doprava“ (tj., že externí náklady produkce elektrické energie byly internalizovány již u výrobců elektrické energie), a externí náklady ze znečištění ovzduší jsou tudíž odhadnuty pouze pro autobusy. Získané peněžní hodnoty výše externích nákladů z emisí z dopravy v jednotlivých městech (v Kč na vozokilometr) zachycuje tabulka 2.4.1. Tabulka 2.4.1: Externí náklady znečištění ovzduší z dopravy ve městech (v Kč/vozokm, 2001) Město Brno Praha Plzeň Olomouc Ostrava

MHD 38,26 36,66 32,89 127 62,62 47,32

IAD 1,28 1,22 1,10 2,09 1,58

Zdroj: Vlastní výpočty

Dopady na veřejné rozpočty zahrnují daňové výnosy ze spotřební daně z paliv a DPH jako příjmy státního rozpočtu a výdajovou stránku veřejných rozpočtů – dotace pro provozovatele MHD. Dotace městským dopravním podnikům dosahují nezanedbatelné výše (v řádech mil. Kč), jejich podíl na celkových provozních nákladech shrnuje tabulka 2.4.2. Tabulka 2.4.2: Podíl dotací na provozních nákladech podniků MHD (v %) Brno Olomouc Ostrava Plzeň Praha

2000 48 46 65 44 65

2001 49 51 65 46 63

2002 43 57 64 47 51

2003 49 55 66 53 65

2004 48 56 64 52 61

2005 46 54 65 53 58

2006 48 53 68 64 62

Zdroj: Výroční zprávy Sdružení dopravních podniků ČR

Pro kalibraci simulačního modelu musíme dále odhadnout cenové elasticity poptávky domácností po jednotlivých druzích dopravy. Z důvodu rozdílných dopadů 127

Důvodem, proč Olomouc představuje největší externalitu na vozo-kilometr je, že elektrická trakce v Olomouci má podstatně menší podíl než ve zbývajících čtyřech analyzovaných městech.

245


emisí ve městě a mimo město je nutno odhadnout poptávkové elasticity zvlášť pro obě z těchto kategorií. Toto však nejde standardní metodou s využitím všeobecně dostupných mikrodat (např. ze Statistiky rodinných účtů), neboť tato statistika nezachycuje výdaje domácností na dopravu zvlášť ve městě a mimo město. Zdá se, že je poměrně obtížné získat tato data individuálně, protože ne všichni jsou schopni odhadnout podíl svých nákladů na dopravu po městě a mimo město128. K vyřešení tohoto problému je možné použít poptávkový model s latentní poptávkou, který představili Blundell a Robin [2000]. Tento jejich model byl pak mírně rozšířen a aplikován na poptávku po dopravě městského obyvatelstva Brůhou a Foltýnovou [2006]. Stručně si uveďme, na čem je tento model založen: předpokládá se, že poptávku po dopravě je možné rozložit (faktorizovat) do dvou stupňů: v prvním stupni domácnosti alokují své výdaje mezi výdaje na městskou dopravu, meziměstskou dopravu a ostatní zboží. Poté se domácnosti ve druhém stupni rozhodují o alokaci výdajů na hromadnou dopravu a individuální automobilovou dopravu. Výdaje na městskou dopravu se tak dělí na výdaje na městskou hromadnou dopravu a výdaje na paliva pro cesty po městě. Podobně výdaje na meziměstskou dopravu zahrnují výdaje na meziměstskou hromadnou dopravu (autobusy a vlaky) a na paliva na cesty mimo město. Poptávka po dopravě ve městě a mimo město je pak latentní nepozorovanou proměnnou, kterou je možné odvodit z parametrických restrikcí modelu. Brůha a Foltýnová [2006] ukázali, že pokud je poptávka v každém stupni založená na skoro-ideálním poptávkovém systému, Almost Ideal Demand System, AIDS [Deaton a Muellbauer 1980], pak parametrické restrikce jsou dostatečné k identifikaci modelu129. S využitím tohoto modelu byly na datech ze Statistiky rodinných účtů za léta 1997 až 2003 odhadnuty bodové odhady elasticit poptávky po dopravě. Jednotlivé hodnoty odhadů shrnuje tabulka 2.4.3. Tabulka 2.4.3: Odhady nekompenzovaných cenových elasticit poptávky po dopravě

Vzhledem k ceně paliv Vzhledem k ceně MHD

Cenová elasticita Motorových paliv používaných v městských oblastech ve venkovských oblastech -1,04 -0,40 0,28 0,03

MHD 0,30 -0,65

Zdroj: Vlastní výpočty

128

Výsledky různých výzkumů ukazují, že respondenti poměrně obtížně odhadují výši svých výdajů na dopravu (obvykle ji neznají) a při použití individuální automobilové dopravy bývají jejich odhady spíše podhodnocené. Samostatným výzkumným problémem je pak otázka komplexnosti daňových a poplatkových sazeb – výzkumy naznačují, že lidé silně preferují jednoduché sazby; na komplexní – diferencované – sazby jsou schopni reagovat v případě, že je jejich struktura logická a jasná. Míra reakce na daňový nástroj ke však limitována odhady vzdálenosti a nákladů cesty [více viz např. Bonsall et al. 2007]. 129 Původní model Blundella s Robinem [2000] předpokládá, že ve druhém stupni je vyloučen vliv výdajů. Za těchto předpokladů autoři dokázali, že model je identifikován za poměrně slabých předpokladů. Rozšíření modelu Brůhou a Foltýnovou [2006] spočívá v tom, že výdaje mohou ovlivňovat i druhý stupeň; v takovém případě je otázkou, zda je model obecně identifikován. Nicméně se ukazuje, že pro uvažovaný případ model identifikován je (přesně řečeno, je dokonce přeidentifikován).

246


Další kategorii parametrů pro simulační model představují elasticity nákladových funkcí provozovatelů MHD. Pro odhad parametrů nákladové funkce vycházíme z přístupu navrženého Williamsem [1979]. Funkce krátkodobých nákladů provozovatelů MHD je odhadnuta v následující podobě:

log ACit = α 1 log wt + α 2 log Pt + β log Qit + ε it , kde ACit jsou průměrné náklady provozovatele MHD ve městě i v roce t; wt představují mzdové náklady dopravního sektoru v roce t; Pt je cena paliv v roce t; Qit je výkon provozovatelů MHD měřený osobokilometry a ε it představuje další proměnné, jako jsou náhodné efekty a náhodné šoky. Parametr α1 je elasticita průměrných nákladů vzhledem ke mzdovým nákladům, α2 je elasticita průměrných nákladů vzhledem k cenám paliv a parametr β měří možné náklady z rozsahu (pokud je β<0, pak se jedná o rostoucí výnosy z rozsahu, pokud je β>0, pak to indikuje klesající výnosy z rozsahu). Odhad této nákladové funkce jsme provedli na panelových datech pro 19 českých měst, jejichž dopravní podniky jsou členy Sdružení dopravních podniků ČR, za období 1997 – 2004. Ceny paliv a mzdy jsou převzaty z Českého statistického úřadu. Pro regresi byl použit model pro panelová data s fixním a náhodným efektem, ovšem oba modely dávají podobné výsledky a Hausmannův test nezamítl hypotézu náhodného efektu (na 1 %). Z tohoto důvodu vycházíme pro další simulace z modelu náhodného efektu. Jeho výsledky jsou popsány v následující tabulce. Tabulka 2.4.4: Parametry nákladové funkce – desagregované výsledky obou modelů *** Model s fixními efekty *** Závislá proměnná = log průměrných nákladů 2 R = 0,1751 2 R adj. = 0,1751 Signifikace = 0,0089 Počet pozorování = 144 Proměnná Koeficient t-statistika p-hodnota Log Ppal 0,301855 3,431210 0,000789 Log mezd 0,462498 3,965779 0,000116 Log výst 0,088971 0,499126 0,618468 Město Komponenty Brno -10,517971 České Budějovice -10,290846 Děčín -11,107537 Hradec Králové -10,556903 Chomutov-Jirkov -10,573942 Jihlava -10,659451 Karlovy Vary -10,365460 Liberec -10,589992 Mariánské Lázně -9,892543 Most-Litvínov -10,370304 Olomouc -10,365386 Opava -10,637549 Pardubice -10,603175 Plzeň -10,489768 Praha -10,284466 Teplice -10,739983 Ústí nad Labem -10,509083 Zlín-Otrokovice -10,270485

*** Model s náhodnými efekty *** Závislá proměnná = log průměrných nákladů 2 R = 0,1751 2 R adj. = 0,1575 Signifikace = 0,0089 Počet pozorování = 144 Proměnná Koeficient t-statistika p-hodnota Log Ppal 0,301855 3,431210 0,000789 Log mezd 0,462498 3,965779 0,000116 Log výst 0,088971 0,499126 0,618468 Město Komponenty Brno -0,008665 České Budějovice 0,218460 Děčín -0,598231 Hradec Králové -0,047596 Chomutov-Jirkov -0,064635 Jihlava -0,150145 Karlovy Vary 0,143847 Liberec -0,080686 Mariánské Lázně 0,616763 Most-Litvínov 0,139002 Olomouc 0,143921 Opava -0,128243 Pardubice -0,093869 Plzeň 0,019538 Praha 0,224840 Teplice -0,230677 Ústí nad Labem 0,000223 Zlín-Otrokovice 0,238822

Pozn.: Ppal = cena motorových paliv; výst = výkon MHD v daném městě měřený vozokm

247


Základem pro simulace jednotlivých scénářů dopravních politik je vyjádření cenových změn. K jejich kvantifikaci přistupuji následovně. Cena pohonných hmot je ovlivněna světovou cenou paliv F, spotřební daní ε a daní z přidané hodnoty τ (simulace jsou dělány pro výdaje domácností). Pokud dojde ke změně sazby spotřební daně – za předpokladu, že se ostatní parametry nezmění – je nová cena paliv ΡF dána jako: ΡFN = ΡFO + (ε N − ε O )(1 + τ ),

kde horní indexy N a O označují ceny a sazby daně po změně a před změnou sazby spotřební daně z paliv. V případě, že ke změně ceny paliv dojde v důsledku změn jejich ceny na světových trzích, lze takovouto změnu aproximovat jako:

[

]

ΡFN = ( F N − F O ) + ε N (1 + τ ).

Dopad změny ceny paliv na poptávku domácností je aproximována pomocí loglineární rovnice: D N = D O ∏ (1 + ∆Ρk )η k , k

kde Ρk je procentuální změna ceny komodity k (která zahrnuje spotřební cenu paliv a jízdné hromadné dopravy) a η k je cenová elasticita poptávky po palivech vzhledem k ceně komodity k. Změny v cenách a v poptávce po hromadné dopravě jsou odhadnuty podobným způsobem. Známe-li odhad změny poptávky po daných komoditách, můžeme jednoduše zjistit dopad na výnosy jednotlivých daní (spotřební daně z paliv a DPH). Podobně s využitím výpočtů změn poptávky po dopravě můžeme vyčíslit změny externích nákladů130 (v tomto případě aproximuji mezní externí náklady průměrnými externími náklady). Posledním parametrem společenského blahobytu je již zmíněná kompenzovaná variace. Jednotlivé změny složek společenského blahobytu jsou na závěr sečteny s využitím Kaldor-Hicksova přístupu k měření společenského blahobytu s rovnými váhami pro všechny změny reálného příjmu jednotlivců. Změny v daňových výnosech však mají jinou váhu než změny spotřebitelského přebytku: vážíme změnu v dopadech na veřejné finance koeficientem 1,2, který představuje náš předběžný odhad mezních nákladů veřejných zdrojů.

130

Čtenář by měl mít na paměti, že do českého modelu jsou zahrnuty pouze externí náklady znečištění ovzduší, a proto jsou přínosy zdanění paliv pravděpodobně podhodnoceny (nejsou zahrnuty ostatní externí náklady jako náklady kongescí nebo hluku).

248


2.4.3 VÝSLEDKY SIMULACÍ PRO MĚSTA ČR Simulační model byl nakalibrován pro panel pěti největších měst v České republice – Prahu, Brno, Ostravu, Plzeň a Olomouc – a použit k hodnocení různých scénářů dopravní politiky (resp. cenového vývoje) na trhu s pohonnými hmotami. Získané výsledky jsou využity pro CBA analýzu popsanou v následující kapitole.

LITERATURA ATEM (2001): Zjištění aktuální dynamické skladby vozového parku a jeho emisních parametrů. ATEM Praha. Blundell R., Robin J.-M. (2000): Latent Separability: Groupping Goods without Weak Separability. Econometrica, 68 (1), s. 53-84. Bonsall P.W., Shires J.D., Maule J., Matthews B., Beale J.R. (2007): Responses to complex pricing signals: Theory, evidence and implications for road pricing. Transportation Research. Part A: Policy and Practice, 41, s.672-683. Brůha J., Foltýnová H. (2006): A contribution to predicting the modal split in urban passenger transport under incomplete data. In: Dell´Orco, M., Sassanelli, D. (eds.), Proceedings of the EWGT2006 Joint Conferences, September 27 to 29, Technical University of Bari, s. 392–396. Brůhová-Foltýnová H. (2006): Teorie externalit v dopravě. In: Kol.: Roční zpráva k řešení projektu Ekonomika zavádění alternativních paliv v dopravě a možnosti invernalizace externích nákladů dopravy v ČR. Projekt VaV MD ČR č. 1F44E/022/210, Centrum pro otázky životního prostředí UK a FD ČVUT, Praha. Brůhová-Foltýnová H., Brůha, J. (2007): Assessment of Fiscal Measures on Atmospheric Pollution from Transport in Urban Areas. Chapter 14. In: Cavaliere, A., Ashiabor, H., Deketelaere, K., Kreiser, L., Milne, J. (eds): Critical Issues in Environmental Taxation. International and Comparative Perspectives: Volume V. Oxford University Press, s. 335 – 350. COŽP (2005): Závěrečná zpráva projektu VaV MŽP č. VaV/320/1/03 „Externí náklady výroby elektřiny a tepla v podmínkách ČR a metody jejich internalizace“. Centrum pro otázky životního prostředí UK v Praze, Praha. ČHMU (2005): Znečištění ovzduší na území české republiky v roce 2005, ČHMÚ, dostupné na http://www.chmi.cz/uoco/isko/groc/gr05cz/obsah.html. Deaton A.S., Muellbauer J. (1980): An Almost Ideal Demand System. The American Economic Review, 70, s. 312-36. Domencich T.A., McFadden D.L. (1975): Urban Travel Demand: A Behavioral Analysis. North-Holland Publishing Co.. EK (2003): External costs: Research results on socioenvironmental damages due to electricity and transport. Published by European Commission, Directorate-General 249


for Research. Luxemburg: Office for Official Publications of the European Communities, Luxemburg. Foltýnová H., Brůha, J. (2006): Příspěvek k problematice optimálního zdanění. Politická ekonomie, 3, s. 366–381. Gomez-Ibanez J.A., Tye W.B., Winston C. (1999): Essays in Transportation Economics and Policy: A Handbook in Honor of John R. Meyer. Brookings Institution Press, Washington D.C.. Kurfürst P. (2002): Řízení poptávky po dopravě jako nástroj ekologicky šetrné dopravní politiky. Centrum pro dopravu a analgetiku. Mayeres I. (2000): The Efficiency Effects of Transport Policies in the Presence of Externalities and Distortionary Taxes. Journal of Transport Economics and Policy, vol. 3(2), s. 233-260. MD (2006): Ročenka dopravy 2006. Ministerstvo dopravy České republiky, Praha, dostupné na http://www.sydos.cz/cs/rocenka-2005/index.html Mohring H. (1972): Optimisation and scale economies in urban bus transprotation. American Economic Review, 62 (4), s. 591–604. Nash C., Sansom T., Still B. (2001): Modifying transport prices to internalise externalities: evidence from European case studies. Regional Science and Urban Economics, 31, s. 413–431. OECD (2002): External Costs of Transport in Central and Eastern Europe. (ENV/EPOC/WPNEP/T(2002)5). Study by INFRAS a HERRY for OECD Environment Directorate and Austrian Ministry for Agriculture and Forestry, Environment and Water Management. Zurich/Vienna 2002. Parry I.W.H. (2005): Is Pay-As-You-Drive Insurance a Better Way to Reduce Gasoline than Gasoline Taxes? Discussion paper RFF DP 05-15, Resources for the Future, Washington, D.C., April 2005. Parry I.W.H., Small K.A. (2005): Does Britain or the United States have the Right Gasoline Tax? The American Economic Review, 95(4), s. 1276-1289. Proost S., Van Dender K. (2001): The welfare impacts of alternative policies to address atmospheric pollution in urban road transport. Regional Science and Urban Economics, 31, s. 383-411. Proost S., Van Dender K., Courcelle C., De Borger B., Peirson J., Sharp D., Vickerman R., Gibbons E.O., Mahony M., Heaney Q., Van den Bergh J., Verhoef E. (2002): How large is gap between present and efficient transport prices in Europe? Transport Policy, 9, s. 41-57. Quandt R.E. (ed.) (1970): The Demand for Travel: Theory and Measurement. Heath Lexington Books, Massachusetts. Shirley C., Winston C (2004): Firm Inventory Behavior and the Returns from Highway Infrastructure Investments. Journal of Urban Economics, 55, s. 398–415.

250


Spiekermann K., Wegener M. (2004): Evaluating Urban Sustainability Using Land-Use Transport Interaction Models. EJTIR, 4(3), s. 251-272. Williams M. (1979): Firm Size and Operating Costs in Urban Bus Transportation. The Journal of Industrial Economics, 2, s. 209–218

251


2.5 Aplikace dosažených výsledků na vybraná města – analýza nákladů a výnosů (CBA) Úvod Realizace nástrojů regulace dopravního chování, resp. jejich kombinací (mixů), představuje zásah veřejné moci do stávajících společenských vztahů, která vedle primárních (obvykle opatřením sledovaných) efektů přináší zpravidla i další efekty, které mohou pozitivně či negativně ovlivňovat postavení různých subjektů společenských vztahů. Přitom pro výběr a realizaci nástrojů veřejné politiky platí řadu více či méně rigidních omezení, mezi něž patří požadavky rovnosti, spravedlnosti, předvídatelnosti, efektivnosti/hospodárnosti, přiměřenosti a další. Ačkoli neexistuje univerzálně akceptovaný okruh základních kritérií volby nástrojů regulace, lze v jednotlivých přístupech najít určitou konvergenci. Takto lze podle Revesze a Stavinse [2007] za základní kritéria volby nástrojů považovat: 1. zda nástroj dosáhne stanovený cíl; 2. zda tohoto cíle dosáhne s nejnižšími možnými náklady (včetně zahrnutí soukromých nákladů přizpůsobení se a veřejných výdajů na kontrolu a prosazování); 3. zda nástroj poskytne veřejné správě informace potřebné k realizaci sledované politiky, 4. zda je nástroj flexibilní vzhledem ke změnám technologií, návykům a vzorcům chování spotřebitelů; 5. zda poskytne dynamické podněty pro výzkum, vývoj a inovace; 6. zda užití nástroje povede ke spravedlivému rozdělení přínosů a nákladů regulace; 7. zda je sledovaný cíl politicky prosaditelný. Prvních pět kritérií se týká široce pojaté nákladové efektivnosti, šesté kritérium se dotýká problematiky distributivních dopadů a sedmé kritérium otázek praktické realizovatelnosti. Klasické normativní kritérium pro posouzení společenské změny formuloval na konci 19. století italský sociolog Vilfredo Pareto. Za tzv. Pareto-efektivní lze podle tohoto kritéria považovat pouze takovou změnu, která vede zlepšení postavení alespoň jednoho subjektu, aniž by došlo ke zhoršení postavení jiného subjektu. Podstatným problémem tohoto kritéria je to, že v praktické realizaci veřejné politiky je zásadně nedosažitelné, neboť zpravidla dochází ke zhoršení postavení alespoň některých adresátů. Teoreticky méně robustním, avšak praktičtějším (či více pragmatickým) kritériem je Kaldor-hicksovo kritérium formulované na konci 30. let minulého století. Kaldorhicksovo kritérium zkoumá potenciální dosažení paretovského zlepšení, jinými slovy zda 252


dochází k celkovému zvýšení blahobytu a ti, kteří mají z realizované změny prospěch, mohou v principu plně kompenzovat ty, kteří realizovanou změnou tratí, a alespoň jedna osoba přitom dosáhne zlepšení svého postavení. Kaldor-hicksovo kritérium v podstatě měří výše zmíněný rozdíl mezi celkovými společenskými přínosy a náklady a jako takové je teoretickým základem analytického nástroje nazývaného analýza nákladů a přínosů (benefit-cost analysis – BCA / cost-benefit analysis – CBA). Analýza nákladů a přínosů (CBA) vychází z hlavního proudu ekonomické teorie (neoklasické ekonomie). První pokusy o její zavádění při ohodnocování projektů se objevily již ve 30. letech 20. století v USA, kde došlo následně k jejímu rozvíjení především v souvislostí s hodnocením projektů vodohospodářské infrastruktury (U.S. Army Corps of Engineers). CBA může významně pomoci při rozhodovacím procesu, především u komplexních projektů, které mají více cílů a přinášejí různé dopady. Výsledek analýzy nicméně nenahrazuje politické rozhodování, neboť jak nedává odpověď na všechna výše uvedená kriteria volby nástrojů. CBA je metodou vyhodnocení projektu na základě konceptu racionálního jedince maximalizujícího vlastní užitek (blahobyt). Výsledek CBA je tedy odrazem stávajících preferencí společnosti, nikoli jakýmsi usuzovaným vyšším veřejným zájmem (kvantitativně ostatně těžko vyjádřitelným). Pokud veřejná autorita přikládá větší důležitost např. politické prosaditelnosti před maximalizací čistého blahobytu společnosti, potom se nevyhnutelně musí odchýlit od výsledků analýzy nákladů a přínosů. Výsledky analýzy nákladů a přínosů ovšem představují důležitý podklad pro rozhodování, neboť poskytují porovnání různých alternativ ve shodných jednotkách - penězích. CBA umožňuje porovnat společenské přínosy a náklady daného projektu, tj. jeho ekonomickou efektivitu. Základem CBA je vyjádření všech nákladů a přínosů v peněžních jednotkách a poté jejich vzájemné porovnání. Narozdíl od politického hlasování nám CBA umožňuje také vážit míru preference těchto hlasů prostřednictvím peněžní hodnoty, kterou jí lidé přisuzují. Analýzu nákladů a přínosů tak můžeme připodobnit k peněžnímu hlasování – narozdíl od politického hlasování zde není rovnost mezi hlasy. Váha hlasu jednotlivce odráží jeho ochotu platit či ochotu přijmout kompenzaci. Ústřední část CBA tedy představují tři základní kroky – jednak je to zvážení všech konsekvencí určitého opatření či projektu na všechny členy společnosti, přínosy a náklady jsou převedeny na společný denominátor – kvantifikovány v penězích, a opatření i projekt je vyhodnocen z hlediska toho, zda poskytuje čisté ekonomické přínosy pro společnost, tj. zda společenské přínosy převažují na společenskými náklady. Samotnou realizaci CBA lze rozdělit na návazné dílčí kroky. U různých autorů se lze setkat s mírně odlišným členěním, zpravidla však zahrnuje následující kroky:

Definice projektu / variant projektu Nejdříve je nutné definovat varianty projektu přicházející v úvahu – varianta nulová (scénář „business-as-usual“) a varianty různých řešení projektu. Obvykle je k dispozici více možných řešení a alternativ, které připadají do úvahy pro hodnocení jejich nákladů a přínosů. Běžně se označují jako scénáře „do-something“.

253


Definice scénářů „do-something“ běžně nepředstavuje zásadní problém, neboť zastupují navrhovaná řešení konkrétních problémů, určitý problém vyvstává při vzájemné provázanosti různých řešení (např. v případě nástrojových mixů). Jedním z možných řešení je vyhodnocení jak celých mixů, tak i jednotlivých komponent/nástrojů, aby mohl být určen optimální nástrojový mix.

Definice významných dopadů projektu Musí být identifikovány veškeré významné dopady variant projektu (odvození nebo zjištění finančních nákladů – provozních a investičních souvisejících s realizovanými opatřeními, odhadnutí změny chování adresátů regulace, zvýšení dopravní zátěže, snížení kongescí apod.). Za pozitivní dopady může být považováno růst množství a kvality zboží a služeb nebo snižování jejich ceny, jejichž spotřeba přináší pozitivní užitek členům společnosti (např. služby zdravého životního prostředí). Za negativní dopady (náklady projektu) lze považovat investiční a provozní náklady projektu, a další nefinanční náklady, které s sebou projekt nese – obecně snížení množství nebo kvality zboží a služeb nebo zvýšení jejich ceny (např. poškození životního prostředí, a tak snížení jeho kvality). varianta1 varianta2 .... variantaj

dopad1 x

x

dopad2 x x

... x x x

dopadk x

x

Musí být vymezeny subjekty, pro které bude projekt přínosem nebo naopak ztrátou. To je důležité pro následné vyhodnocení redistribuce bohatství ve společnosti.

Fyzická kvantifikace významných dopadů (u finančních nákladů v peněžních jednotkách, u ostatních nákladů nebo přínosů ve fyzických jednotkách) Fyzickými jednotkami máme na mysli např. čistou změnu počtu onemocnění dýchacích cest plynoucí ze změny kvality ovzduší (množství onemocnění při realizaci projektu oproti situaci bez realizace projektu), čistou změnu počtu lehce a těžce zraněných na silnicích, čistou úsporu času v minutách apod.

Peněžní ohodnocení významných dopadů Pomocí metod oceňování je třeba peněžně ohodnotit jednotlivé dopady projektu. V metodě CBA je obvykle pro stanovení hodnot nákladů a výnosů využíváno tzv. stínových cen na bázi neoklasické ekonomie. Každý druh dopadu má vlastní stínovou cenu. Stínové ceny nákladů odrážejí náklady ušlé příležitosti či ochotu přijímat kompenzaci, stínové ceny užitků ochotu platit (tedy jakousi hodnotu alternativního využití peněz). Ekonomické náklady: Finanční náklady vynaložené v projektu nemusí odpovídat společenským nákladům. Musí tedy dojít ke korekci ceny, aby cena odpovídala společenské úrovni nákladů. Společenské náklady mohou být vyšší nebo nižší než náklady skutečně vynaložené. Ekonomický zdroj investovaný v projektu mohl být využit

254


k jiným účelům, pokud by projekt nebyl realizován – např. půda může být využita jako pozemek pro budování dálnice nebo může být ponechána v lesním hospodářství jako nejlepší alternativa k projektu. Potom mohou společenské náklady přesahovat skutečně vynaložené finanční náklady v projektu (odkup pozemků pro výstavbu). Společenské náklady naopak nemusí v konceptu stínových cen v některých případech dosahovat výše skutečně vynaložených nákladů. U hodnocení společenských nákladů na pracovní sílu se ptáme, jak by tato pracovní síla byla uplatněna bez realizace projektu. Potom mohou být společenské náklady nižší než náklady skutečně vynaložené (část pracovníků mohla být projektem zaměstnána z nedobrovolně nezaměstnaných, mezi společenské náklady nejsou započítávány náklady na sociální pojištění, daň apod.). Ekonomické užitky: Užitky jsou chápány jako ochota platit (např. společenská ochota platit za snížení rizika úrazu na silnicích). Obvykle se zde ohodnocují užitky, které neprocházejí trhem, vlastní cenu nemají, a tak jim musí být přiřazena stínová cena. Princip je shodný s ohodnocováním stínových cen nákladů. Výpočet společenských nákladů / užitků: Vynásobením počtu jednotek určitého dopadu kvantifikovaných během předchozího kroku stínovou cenou za jednotku získáme společenský náklad / užitek plynoucí z tohoto dopadu v peněžním vyjádření.

Výpočet současné hodnoty nákladů a současné hodnoty užitků Současnou hodnotu nákladů a užitků (Present Value - PV) lze vypočítat dle následujícího vzorce: n

PVB = ∑ t =1

Bt (1 + r ) t

n

PVC = ∑ t =1

Ct (1 + r ) t

kde PVB ... PVC ... Bt ... Ct .... t ... n ... i ...

Současná hodnota užitků Současná hodnota nákladů Společenské užitky v roce t Společenské náklady v roce t Aktuální rok Počet let projektu Společenská diskontní míra

Společenská diskontní míra: Každý jedinec preferuje současný užitek před budoucím. Individuální diskontní míra je potom ta, kterou jedinec diskontuje budoucí toky užitku (blíží se tržní úrokové míře). V ekonomické teorii neexistuje shoda o optimální výši společenské diskontní míry. Společenská diskontní míra není pouhým průměrem individuálních diskontních měr. Sen [1967] ukazuje, že při individuálním rozhodování jedinec využívá vyšší diskontní míru než při společném rozhodování v komunitě. Společenská diskontní míra využitá v CBA by tedy měla být nižší než individuální (tržní). Pokud využijeme konstantní diskontní sazbu pro diskontování budoucnosti, současná hodnota budoucích užitků exponenciálně klesá s růstem časové vzdálenosti od současnosti. Například Chichilniski [1996] považuje z normativního 255


hlediska exponenciální diskontování budoucích užitků za obecně nekonzistentní s udržitelným rozvojem, protože znevýhodňuje budoucí generace (zvláště ty ve velmi vzdálené budoucnosti). V současné době se diskutují možnosti využití nekonstantních diskontních sazeb – konkrétně využití postupně se snižujících diskontních sazeb asymptoticky až k nule – tzv. hyperbolické diskontování [Weizman 1998].

Výpočet čisté současné hodnoty Čistou současnou hodnotu projektu (Net Present Value - NPV) lze vypočíst dle následujícího vzorce: n (B − C t ) NPV = ∑ t t t = 0 (1 + r ) kde: B … přínosy projektu C … náklady projektu t … rok (období) ve kterém jsou vynaloženy náklady / dosaženy přínosy r … diskontní míra Pokud je NPV větší než nula, je projekt společensky přínosný. Pokud je NPV záporná, je projekt společensky nepřínosný a měl by být z hlediska efektivity zamítnut. Pokud vyjde čistá současná hodnota rovna nule, je společnost vůči projektu indiferentní.

Výpočet poměru užitků a nákladů (benefit-cost ratio) Pokud posuzujeme více projektů, nemůžeme je vzájemně porovnat dle výše čisté současné hodnoty, protože jeden velký projekt může vykazovat vyšší čistou současnou hodnotu než projekt menšího rozsahu. Pro porovnání jednotlivých projektů tak lépe slouží poměr současných hodnot užitků a nákladů (benefit-cost ratio – B/C). Ten se vypočte dle následujícího vzorce:

B/C = PVB / PVC Citlivostní analýza Citlivostní analýza ukazuje citlivost výsledku na jednotlivé vstupy (diskontní míra, výše užitků, náklady).

Diskuse výsledku hodnocení Cílem CBA je identifikovat projekty, které zvyšují celkový užitek společnosti (výsledek čisté současné hodnoty je kladný) a doporučit projekt, který je nejefektivnější z daných alternativ (dle poměru užitků a nákladů).

256


2.5.1 ANALÝZA NÁKLADŮ A PŘÍNOSŮ PRO VYBRANÁ MĚSTA 2.5.1.1 Definice hodnocených variant Pro simulace dopadů cenových změn byly definovány celkem čtyři scénáře. První dva scénáře – označené 1a a 1b – představují situaci, v níž dochází ke zvýšení spotřební daně z paliv. Zatímco ve scénáři 1a dochází ke zvýšení spotřební daně pouze pro individuální automobilovou dopravu (spotřební daň pro MHD zůstává nezměněna131), ve scénáři 1b dochází ke zvýšení spotřební daně jak pro IAD tak i pro MHD, a zde se promítá do ceny jízdného.

Scénář 2 modeluje dopady šokového nárůstu cen pohonných hmot – tento efekt na straně nabídky vede ke snížení celkové spotřeby a tím se zprostředkovaně projevuje i jako výpadek příjmu veřejných rozpočtů v důsledku snížení výnosu spotřební daně, což je jen částečně kompenzováno vyšším výběrem daně z přidané hodnoty132. Scénář 3 ilustruje efekty vyvolané snížením ceny jízdného (či jeho úplném zrušení) v městské hromadné dopravě. Toto opatření je přitom spojeno s nárůstem podílu podpory z veřejných rozpočtů, neboť provoz MHD v ČR je již za současného stavu z části závislý na veřejných provozních a investičních podporách. Klíčovou otázkou v tomto scénáři je tak to, zda přínosy zlevnění hromadné dopravy – nárůst počtu přepravených osob a úbytek IAD vedoucí ke snížení environmentální zátěže – může vyvážit zvýšené náklady na úhradu ztráty provozovatelů MHD. Uvedené varianty opatření a jejich efekty jsou posouzeny pro pětici největších českých měst – Prahu, Brno, Ostravu, Plzeň a Olomouc.

2.5.1.2 Definice významných dopadů V našem modelu je simulována změna chování obyvatel sledovaných měst, která vede ke změně dělby přepravní práce, což má dopad na: • přímý blahobyt domácností (vč. změny výdajů nutných k zajištění zvoleného způsobu dopravy), • změnu externích (zejména environmentálních) dopadů dopravy ve městech, • příjmy veřejných rozpočtů (zahrnující odhad změny nákladů provozovatelů hromadné dopravy). 131

Směrnice 2003/96/ES, kterou se mění struktura rámcových předpisů Společenství o zdanění energetických produktů a elektřiny, umožňuje rozlišení spotřební daně na plynový olej podle toho, zda je užíván k obchodnímu nebo neobchodnímu užití – srov. čl. 7 odst. 2 směrnice. 132 Na rozdíl od spotřební daně, která je stanovena pevnou sazbou na jednotku, je DPH daní ad valorem, tj. odvozuje se od ceny základu. Jejich působení bude při nárůstu cen pohonných hmot zjednodušeně řečeno protisměrné – spotřební daň bude mít „polštářový“ efekt, naopak DPH bude s rostoucí cenou růst (pokud bude cenová elasticita poptávky menší než 1).

257


Jednotlivé modelované scénáře jsou proto vyhodnoceny z hlediska jejich působení na společenský blahobyt a jeho sledované složky – spotřebitelský přebytek, externí náklady ze znečištění ovzduší a změny klimatu a dopady na veřejné finance. Spotřebitelský přebytek je zachycen jako kompenzační variace, tj. velikost kompenzace jednotlivce, která by po zavedení uvažovaného opatření zajistila zachování jeho blahobytu na výchozí úrovni. V tomto smyslu se jedná o aproximaci Kaldor-hicksova kritéria zmíněného v úvodu této kapitoly. V rámci modelovaných dopadů na blahobyt jsou sledovány změny týkající se externích nákladů ze znečištění ovzduší v podobě dopadů na nemocnost a úmrtnost, zemědělskou úrodu, budovy a materiály působené klasickými polutanty a dopady emisí skleníkových plynů na změny klimatu. Dále jsou odhadovány dopady na veřejné finance, kde se jedná o výnosy z nepřímých daní (spotřební daň z minerálních olejů a DPH), jako příjem státního rozpočtu a dále výdaje v podobě dotací provozovatelům městské hromadné dopravy.

2.5.1.3 Kvantifikace dopadů Odhadnuté dopady vycházejí z modelu kalibrovaného na minulých datech, představují tedy určitý scénář možného vývoje usuzovaného na základě reakcí spotřebitelů při obdobných změnách v minulosti. To se týká mj. odhadnutých elasticit (pružnosti) poptávky, která je obvykle odvozována z relativně malých změn ceny (spíše o jednotky procent) a nemusí správně predikovat efekty skokových cenových změn (v řádu desítek až stovek procent). Z hlediska navazujících kroků CBA se přitom fakticky jedná o vyjádření čisté současné hodnoty; všechny uvažované scénáře mají totiž také shodný časový horizont.

Scénář 1a V tomto scénáři dochází k růstu spotřební daně z motorových paliv pro individuální automobilovou dopravu (osa x v grafu; v procentním vyjádření), zatímco sazba spotřební daně pro MHD zůstává nezměněna. Vliv na jednotlivé komponenty celkového blahobytu demonstruje na příkladu Ostravy následující graf.

258


Obrázek 2.5.1: Dopady na blahobyt ze zvýšení spotřební daně z motorových paliv pro IAD v Ostravě (v mil. Kč) 600 500 400

mil. Kč

300 200 100 0 -100

0

5

10

15

20

25

30

35

40

45

50

-200 -300 % zm ěna sazby spotřební daně změna externích nákladů

změna dotací

změna daňových výnosů

změna kompenzační variace

celkový dopad na blahobyt

Z grafu je patrné, že největší přínos k celkovému zvýšení blahobytu (odhadnutému bezmála na 0,5 mld. Kč při navýšení spotřební daně pro IAD o 50 %) představuje značný pokles externích nákladů (zvýšení blahobytu o cca 0,4 mld. Kč) a zvýšený výnos spotřební daně a daně z přidané hodnoty (370 mil. Kč). Naopak větší využívání MHD bude vyžadovat vyšší úroveň datací (zvýšení bylo odhadnuto na 138 mil. Kč) a blahobyt sníží i kompenzační variace (tj. kompenzace ztráty blahobytu, která v tomto scénáři se týká pouze uživatelů IAD, odhadnutá na 196 mil. Kč). Navíc lze předpokládat, že celková změna blahobytu by byla ještě vyšší, pokud by byly zahrnuty i další nezohledněné externí náklady (zejména kongesce a hluk). Porovnáme-li změnu blahobytu ve všech 5 městech, pro něž byla simulace zpracována, ukazuje se, že zvýšení spotřební daně z motorových paliv pro IAD má ve všech případech pozitivní dopad na blahobyt, jeho velikost se však mezi jednotlivými městy výrazně liší.

259


Obrázek 2.5.2: Celkový dopad na blahobyt ze zvýšení spotřební daně z motorových paliv pro IAD (v mil. Kč) 600 500

Mil. CZK

400 300 200 100 0 0

5

10

15

20

25

30

35

40

45

50

-100 % zm ěna sazby spotřební daně Praha

Brno

Ostrava

Plzen

Olomouc

K největšímu zvýšení společenského blahobytu ve scénáři 1a dochází v Ostravě, k významnému nárůstu dochází i v dalších třech městech – Praze, Brně a Plzni, zatímco v Olomouci je zvýšení společenského blahobytu jen mírné. Zvýšení blahobytu ve všech případech plyne ze snížení externích nákladů a vyšších příjmů ze zdanění pohonných hmot pro IAD, naopak nárůst dotací pro veřejnou hromadnou dopravu má opačný efekt, stejně jako změna kompenzační variace. V případě Prahy přitom nárůst dotací převyšuje efekty ze snížení zohledněných externích nákladů, což má vliv na „logaritmický“ tvar křivky; při započítání dalších externích nákladů by ovšem její průběh byl patrně odlišný. Pro lepší srovnání lze změnu blahobytu vyjádřit i v přepočtu na jednoho obyvatele města, jak to ukazuje následující graf. V tomto srovnání dosahuje nejvyššího nárůstu blahobytu Ostrava, následována Plzní, kdy čistý přínos v obou případech převyšuje při 10% zvýšení spotřební daně 300 Kč na obyvatele. Relativně malé zvýšení blahobytu na obyvatele – méně než 100 Kč při 10% zvýšení spotřební daně pro IAD – je dosaženo v Olomouci a Praze.

260


Obrázek 2.5.3: Celkový dopad na blahobyt ze zvýšení spotřební daně z motorových paliv pro IAD (v Kč na obyvatele) 1600 1400 1200

Kč

1000 800 600 400 200 0 -200

0

5

10

15

20

25

30

35

40

45

50

% zm ěna sazby spotřební daně Praha

Brno

Ostrava

Plzen

Olomouc

Scénář 1b V tomto scénáři dochází ke zvýšení spotřební daně plošně bez ohledu na způsob užití, což má za následek to, že se nárůst ceny pohonných hmot projeví jak u IAD, tak i u MHD (v ceně jízdného). Vliv na jednotlivé sledované komponenty společenského blahobytu ukazuje opět na příkladu města Ostravy následující graf.

Obrázek 2.5.4: Dopady na blahobyt z plošného zvýšení spotřební daně z motorových paliv v Ostravě (v mil. Kč) 700 600 500 400 Mil. Kč

300 200 100 0 -100

0

5

10

15

20

25

30

35

40

45

50

-200 -300 -400 % zm ěna sazby spotřební daně změna externích nákladů

změna dotací



261



I v tomto případě je celkový dopad na blahobyt pozitivní, opět v dominantní míře zapříčiněný snížením externích nákladů.a dodatečnými výnosy ze zdanění pohonných hmot. Podstatně méně se projevuje nárůst dotací (nárůst dotací je uvažován ve scénáři 3), větší dopad však plyne z kompenzační variace, neboť se zvýšení týká nejen uživatelů IAD, ale prostřednictvím zdražení jízdného i uživatelů MHD (a tedy i větší okruh potenciálně kompenzovaných).

Obrázek 2.5.5: Celkové dopady na blahobyt z plošného zvýšení spotřební daně z motorových paliv (v mil. Kč) 1400 1200

Mil. CZK

1000 800 600 400 200 0 -200

0

5

10

15

20

25

30

35

40

45

50


Brno

Ostrava

Plzen

Olomouc

K největšímu nárůstu blahobytu v tomto scénáři dochází v Praze (více než 1 mld. Kč při 30% zvýšení spotřební daně), to je zhruba 4-5 násobek oproti změně blahobytu ve scénáři 1a. Hlavním důvodem je, při prakticky shodných přínosech ze snížení externalit, pouze zhruba poloviční nárůst dotací veřejné hromadné dopravy, který bezpečně převyšuje snížení čistého blahobytu potřebou vyšší kompenzační variace ztráty blahobytu u domácností. To ukazuje na podstatně menší změnu dělby přepravní práce mezi IAD a MHD oproti scénáři 1a. Výrazný nárůst blahobytu lze vysledovat i v Olomouci (2-3 krát) a Brně (zhruba o 60-70 %). I v těchto případech je hlavní příčinou růstu společenského blahobytu ve srovnání s předchozím scénářem nižší potřeba dotací pro veřejnou dopravu. Konečně v Ostravě a Plzni je zvýšení společenského blahobytu jen mírně vyšší než u scénáře 1a (cca o 20-30%). Pro srovnání mezi jednotlivými městy opět poslouží přepočet čisté změny blahobytu na obyvatele. Při tomto srovnání by 10% zvýšení spotřební daně mělo nejvyšší přínos v Ostravě (435 Kč na obyvatele), následovaná Plzní (376 Kč na obyvatele), Brnem (267 Kč na obyv.) a Prahou (253 Kč na obyv.). Nejmenší přínos na obyvatele by byl dosažen v Olomouci (113 Kč na obyv. při 10% zvýšení spotřební daně).

262


Obrázek 2.5.6: Celkový dopad na blahobyt z plošného zvýšení spotřební daně z motorových paliv (v Kč na obyvatele) 2000 1800 1600 1400

Kč

1200 1000 800 600 400 200 0 0

-200

5

10

15

20

25

30

35

40

45

50


Brno

Ostrava

Plzen

Olomouc

Scénář 2 U scénáře 2 je simulován dopad na blahobyt vyvolaný cenovým šokem – růstem ceny pohonných hmot. Na rozdíl od předchozích dvou scénářů v tomto případě dochází k negativnímu dopadu na veřejné rozpočty z důvodu nižšího výběru spotřební daně, neboť navýšení ceny je zde zapříčiněno stranou nabídky. Zároveň nárůst ceny pohonných hmot zvýší potřebu dotací veřejné hromadné dopravy z veřejných rozpočtů. Dopady takového cenového šoku na jednotlivé sledované složky společenského blahobytu ukazuje na příkladě města Ostravy následující graf.

Obrázek 2.5.7: Dopady na blahobyt z nárůstu ceny ropy v Ostravě (v mil. Kč) 500 400 300

mil. Kč

200 100 0 -100

0

5

10

15

20

25

30

35

40

45

50

-200 -300 % zm ěna ceny ropy změna externích nákladů

změna dotací




263


Shodně s předchozími scénáři dochází ke snížení externích nákladů ze znečištění ovzduší; tentokrát je to však jediný efekt zvyšující blahobyt, u ostatních dopadů se jedná o snížení blahobytu. I proto je celkový dopad na blahobyt je mírně negativní – při 50% nárůstu ceny ropy je ztráta blahobytu bezmála 70 mil. Kč. V následujícím grafu jsou porovnány celkové dopady na blahobyt v jednotlivých městech. Stejně jako v Ostravě má tento cenový šok jediný přínos k celkovému blahobytu v podobě poklesu externích nákladů, ostatní dopady se na blahobytu odráží více či méně negativně. Pokles externích nákladů je přitom způsoben poklesem dopravních výkonů jak u IAD (z důvodu vyšší ceny paliva), tak i u MHD (z důvodu vyššího jízdného). Přitom nedochází k výraznějšímu dopadu na dělbu přepravní práce.

Obrázek 2.5.8: Celkové dopady na blahobyt z nárůstu ceny ropy (v mil. Kč) % zm ěna ceny ropy 0

5

10

15

20

25

30

35

40

45

50

0 -100 -200

mil. Kč

-300 -400 -500 -600 -700 -800 -900 -1000 Praha

Brno

Ostrava

Plzen

Olomouc

K největšímu poklesu blahobytu v tomto scénáři dochází v Praze – o takřka 900 mil. Kč při nárůstu cen motorových paliv o 50%; ve srovnání s ostatními sledovanými městy se na ztrátě blahobytu výrazněji projevuje nárůst dotací provozovatelům MHD. U zbývajících měst se ztráta společenského blahobytu při 50% nárůstu ceny ropy pohybuje v řádu desítek milionů Kč (22 mil. Kč v Olomouci, 46 mil. Kč v Plzni, 68 mil. Kč v Ostravě a 132 mil. Kč v Brně). Při vyjádření na jednoho obyvatele zmíněných měst pak situace vypadá následovně.

264


Obrázek 2.5.9: Celkové dopady na blahobyt z nárůstu ceny ropy (v Kč na obyvatele) % zm ěna ceny ropy 0

5

10

15

20

25

30

35

40

45

50

0 -100 -200

Kč

-300 -400 -500 -600 -700 -800 Praha

Brno

Ostrava

Plzen

Olomouc

K největšímu poklesu blahobytu opět dochází v Praze – při 20% nárůstu ceny ropy dosahuje ztráta blahobytu více než 300 Kč na obyvatele, při 50% nárůstu ceny ropy je to už 761 Kč na obyvatele. Přibližně poloviční výše dosahuje snížení blahobytu na obyvatele v Brně (150 Kč při 20% růstu ceny ropy, resp. 366 Kč při 50% nárůstu), jen mírně nižší je ztráta blahobytu v Plzni (113 Kč při 20% růstu ceny ropy a 289 Kč při 50% nárůstu). V Ostravě a Olomouci dochází k nejmenší, prakticky shodné, ztrátě blahobytu (87 Kč, resp. 95 Kč při 20% růstu ceny ropy a 227, resp. 223 Kč při 50% nárůstu).

Scénář 3 V tomto scénáři jsou simulovány dopady na společenský blahobyt vyvolané snížením ceny jízdného v hromadné dopravě. Toto snížení však je provázeno růstem veřejných výdajů v podobě dotací provozovatelům MHD k pokrytí výpadku příjmů z jízdného. Následující grafu na příkladu města Ostravy ilustruje vliv snížení ceny jízdného na jednotlivé uvažované komponenty blahobytu.

265


Obrázek 2.5.10: Dopady na blahobyt ze snížení ceny jízdného v Ostravě (v mil. Kč) 800 600 400

mil. Kč

200 0 -200

0

-5

-10

-15

-20

-25

-30

-35

-40

-45

-50

-400 -600 -800

-1000 -1200 % zm ěna ceny jízdného změna externích nákladů

změna dotací




Z provedené simulace je patrné, že snížení ceny jízdného nevede ke zvýšení celkového blahobytu. To je dáno především kombinací dvou faktorů – na jedné straně se jedná o již zmíněnou potřebu vyšších dotací ke krytí ztrát způsobených nižším jízdným, na druhé straně má toto opatření pouze malý vliv na změnu dělby přepravní práce, neboť nedochází ke změně ceny užití IAD133. S tím souvisí také nejednoznačný vývoj externích nákladů (viz obrázek 2.5.11) – zatímco v Ostravě (a shodně i v Olomouci) dochází k mírnému růstu externích nákladů (a tedy negativního vlivu na blahobyt), v Praze a Plzni se externí náklady ze znečištění ovzduší v tomto scénáři mírně snižují. Naproti tomu v Brně nejprve dochází k poklesu externích nákladů (nejvyšší pokles je dosažen při 15% snížení ceny jízdného), poté však začínají opět růst a při 35% snížení ceny jízdného již jsou vyšší než ve výchozím stavu.

133

K tomu viz též sociologickou část zprávy.

266


Obrázek 2.5.11: Vývoj externích nákladů při poklesu ceny jízdného v hromadné dopravě (v mil. Kč) 200 150

mil. Kč

100 50 0 0

-50

-5

-10

-15

-20

-25

-30

-35

-40

-45

-50

-100 -150 -200 % zm ěna ceny jízdného Praha

Brno

Ostrava

Plzen

Olomouc

Při srovnání dopadu na celkový blahobytu u všech sledovaných měst vidíme výrazný propad, který je v dominantní míře působen nárůstem dotací ke krytí ztráty provozovatelů MHD a v menší míře rovněž poklesem výnosu zdanění pohonných hmot.

Obrázek 2.5.12: Celkové dopady na blahobyt ze snížení jízdného v hromadné dopravě (v mil. Kč) % zm ěna ceny jízdného 0

-5

-10

-15

-20

-25

-30

-35

-40

-45

-50

0 -1000 -2000

mil. Kč

-3000 -4000 -5000 -6000 -7000 -8000 -9000 -10000 Praha

Brno

Ostrava

Plzen

Olomouc

K největšímu snížení blahobytu dochází v Praze (o 2,5 mld. Kč při 20% snížení ceny jízdného, resp. o bezmála 10 mld. Kč při snížení ceny jízdného o 50%). Při srovnání se scénářem 1b (kde dochází k největšímu zvýšení blahobytu v Praze) je rozdíl mezi dopady na společenský blahobyt při nejvyšší simulované změně – 50% zvýšení spotřební daně z paliv vs. 50% snížení jízdného v hromadné dopravě – přibližně 11 mld. Kč134. Při srovnání v přepočtu na obyvatele se situace příliš nezmění jak ilustruje následující graf. 134

Pro přiblížení – tato částka odpovídá přibližně 1/7 ročního rozpočtu města.

267


Obrázek 2.5.13: Celkové dopady na blahobyt ze snížení jízdného v hromadné dopravě (v Kč na obyvatele) % zm ěna ceny jízdného 0

-5

-10

-15

-20

-25

-30

-35

-40

-45

-50

0 -1000 -2000

Kč

-3000 -4000 -5000 -6000 -7000 -8000 -9000 Praha

Brno

Ostrava

Plzen

Olomouc

I v tomto srovnání vykazuje nejvyšší ztrátu blahobytu Praha, kde snížení jízdného o 50% způsobí pokles blahobytu na obyvatele o cca 8300 Kč. Ostatní města vykazují velmi podobné výsledky – při 50% snížení ceny jízdného dojde k poklesu blahobytu v rozmezí 3000-3500 Kč na obyvatele s výjimkou Brna, kde by pokles přesáhl 4200 Kč na obyvatele.

2.5.2 POROVNÁNÍ EFEKTŮ JEDNOTLIVÝCH SCÉNÁŘŮ Při srovnávání výsledků jednotlivých scénářů je nezbytné si uvědomit, že jejich porovnatelnost je limitovaná, neboť modelovaná procentní změna má v různých scénářích jiný charakter – ve scénářích 1a a 1b to je sazba spotřební daně, zatímco ve scénáři 2 cena ropy a ve scénáři 3 cena jízdného. I přes tato omezení však srovnání výsledků jednotlivých scénářů ukazuje trend dopadů jednotlivých uvažovaných opatření na celkový společenský blahobyt. V tomto srovnání vychází nejhůře scénář 3 simulující efekty vyvolané snížením ceny jízdného v hromadné dopravě, u něhož je dopad na společenský blahobyt shodně ve všech městech výrazně záporný. Mírně záporný dopad na blahobyt má u všech měst i scénář 2, simulující dopady zvýšení ceny ropy; snížení blahobytu je však oproti scénáři 3 řádově nižší (přibližně 11 krát). Zajímavé je vzájemné srovnání scénářů 1a a 1b – oba vedou ve všech modelovaných městech ke zvýšení blahobytu, přitom u scénáře 1b dochází k většímu nárůstu blahobytu, který je nejvýraznější v případě Prahy.

268


Obrázek 2.5.14: Srovnání scénářů podle celkového dopadu na blahobyt (v mil. Kč) Praha

0

5

10

15

20

25

30

35

40

45

50

600 400 200 0 -200 -400 -600 -800 -1000 -1200 -1400 -1600

mil. Kč

mil. Kč

2000 1000 0 -1000 -2000 -3000 -4000 -5000 -6000 -7000 -8000 -9000 -10000

Brno

% zm ěna (sazby daně/ceny ropy/jízdného) Scénář 1a

Scénář 1b

Scénář 2

0

5

10

15

Scénář 1a

300

200

200

0

100 10

15

20

25

30

35

40

45

50

mil. Kč

mil. Kč

400

400

5

30

35

40

45

50

Scénář 1b

Scénář 2

Scénář 3

Plzeň

600

0

25

% zm ěna (sazby daně/ceny ropy/jízdného) Scénář 3

Ostrava

-200

20

0

-100

-400

0

5

10

15

20

25

30

35

40

45

50

-200

-600

-300

-800

-400

-1000

-500

-1200

-600

% zm ěna (sazby daně/ceny ropy/jízdného) Scénář 1a

Scénář 1b

Scénář 2

% zm ěna (sazby daně/ceny ropy/jízdného) Scénář 3

Scénář 1a

Scénář 1b

Scénář 2

Olomouc 100 0 0

5

10

15

20

25

30

35

40

45

50

mil. Kč

-100 -200 -300 -400 % zm ěna (sazby daně/ceny ropy/jízdného) Scénář 1a

Scénář 1b

Scénář 2

Scénář 3

Obdobně lze porovnat dopady simulovaných opatření z hlediska jejich environmentálních dopadů, představovaných zde externími náklady ze znečištění ovzduší. V toto srovnání opět nejhůře vychází scénář 3, u kterého dochází jen k malému snížení externích nákladů a v případě Ostravy a Olomouce dokonce k jejich nárůstu. Naopak u ostatních scénářů dochází k obdobným snížením externích nákladů. To je dáno

269

Scénář 3


především tím, že u těchto scénářů mají modelovaná opatření relativně podobný vliv na vývoj cen pohonných hmot pro IAD.

Obrázek 2.5.15: Srovnání scénářů podle dopadu na blahobyt ze změny externích nákladů (v mil. Kč) Brno

1800

400

1600

350

1400

300

1200

250

1000

200

Mil. CZK

Mil. CZK

Praha

800 600

150 100 50

400 200

0

0

-50 0

5

10 15 20 25 30 35 40 % zm ěna (sazby daně/ceny ropy/jízdného)

scénář 1a

scénář 1b

scénář 2

45

50

0

5

10

15

20

25

30

35

40

45

50

-100 % zm ěna (sazby daně/ceny ropy/jízdného) scénář 1a

scénář 3

scénář 1b

Ostrava

scénář 2

scénář 3

Plzeň 250

500 400

200 Mil. CZK

Mil. CZK

300 200 100 0

150 100 50

0

-100

5

10

15

20

25

30

35

40

45

50

0 0

-200 % zm ěna (sazby daně/ceny ropy/jízdného) scénář 1a

scénář 1b

scénář 2

scénář 3

scénář 1a

5

10 15 20 25 30 35 40 % zm ěna (sazby daně/ceny ropy/jízdného) scénář 1b

scénář 2

Olomouc 60 40 20 Mil. CZK

0 -20

0

5

10

15

20

25

30

35

40

45

50

-40 -60 -80 -100 -120 % zm ěna (sazby daně/ceny ropy/jízdného) scénář 1a

scénář 1b

scénář 2

scénář 3

Dalším zajímavým kritériem pro porovnání scénářů je vliv na veřejné rozpočty. V tomto případě se jedná o dopady na blahobyt vyvolané kombinací změny úrovně dotací

270

45

50

scénář 3


a daňových výnosů135. Srovnání jasně ukazuje ze všechna opatření simulovaná ve scénářích mají alespoň malý negativní dopad na blahobyt z titulu zvýšení požadavků na dotace veřejné hromadné dopravy – k nejmenšímu nárůstu požadavku na dotace dochází shodně u scénářů 1b a 2. Mírně vyšší nárůst dotací ve scénáři 1a je zapříčiněn změnou dělby přepravní práce ve prospěch MHD. V případě scénáře 3 se jedná o extrémní nárůst potřeby dotací MHD, přitom jak plyne z předchozího srovnání, není v některých městech (Olomouc, Ostrava) tento nárůst nijak kompenzován poklesem externích nákladů ze znečištění ovzduší. Pokud jde o dopad na blahobyt ze změny daňových výnosů, k nejvyššímu nárůstu dochází u scénáře 1b (plošné zvýšení spotřební daně), téměř srovnatelné zvýšení přináší zvýšení i spotřební daně pouze pro IAD (scénář 1a). Naopak ke srovnatelně velkému snížení blahobytu ze změny daňových výnosů (a snížení daňového výnosu) by podle simulací došlo u opatření ve scénářích 2 a 3.

Obrázek 2.5.16: Srovnání scénářů podle dopadu na blahobyt ze změny dotací a daňových výnosů (v mil. Kč) změna požadavků na dotace

změna daňových výnosů Praha

0 -1000

1500 0

5

10

15

20

25

30

35

40

45

50

-2000

1000

-4000

Mil. CZK

Mil. CZK

-3000 -5000 -6000

500 0 0

-7000 -8000

5

10

15

20

25

30

35

40

45

50

-500

-9000 -10000

-1000 % zm ěna (sazby daně/ceny ropy/jízdného)

scénář 1a

scénář 1b

scénář 2

% zm ěna (sazby daně/ceny ropy/jízdného) scénář 3

scénář 1a

scénář 1b

scénář 2

scénář 3

Brno 400

0 -200

0

5

10

15

20

25

30

35

40

45

50 300

-400

200 Mil. CZK

Mil. CZK

-600 -800 -1000

100 0

-1200

0

-1400

5

10

15

20

25

30

35

40

45

50

-100

-1600

-200

-1800

% zm ěna (sazby daně/ceny ropy/jízdného)

% zm ěna (sazby daně/ceny ropy/jízdného) scénář 1a

scénář 1b

scénář 2

scénář 3

scénář 1a

scénář 1b

scénář 2

Ostrava

135

I toto srovnání je do určité míry zjednodušující, již proto, že výnosy daní jsou příjmem státního rozpočtu, přitom dotace městské hromadné dopravy jsou dominantně hrazeny z municipálních rozpočtů.

271

scénář 3

Závěrečná zpráva – Analýza každodenního dopravního chování dospělého městského obyvatelstva (URBAN TRANSPORT) Projekt č. 24/2006-430-OPI/3 financovaný z OP Infrastruktura – Priorita 2(2.4) a Ministerstvem dopravy ČR 0

500 0

5

10

15

20

25

30

35

40

45

50

400

-200

300 Mil. CZK

Mil. CZK

-400 -600

200 100

-800

0

-1000

0

-100

-1200

5

10

15

20

25

30

35

40

45

50

-200 % zm ěna (sazby daně/ceny ropy/jízdného)

scénář 1a

scénář 1b

scénář 2

% zm ěna (sazby daně/ceny ropy/jízdného) scénář 3

scénář 1a

scénář 1b

scénář 2

scénář 3

Plzeň 250

0 0

5

10

15

20

25

30

35

40

45

50

200

-200

150

-300

100

Mil. CZK

Mil. CZK

-100

-400 -500

50 0

-600

-50

-700

-100

0

5

10

15

20

25

30

35

40

45

50

-150

-800



scénář 1b

scénář 2

scénář 3

scénář 1a

scénář 1b

scénář 2

scénář 3

Olomouc 50

0 0

5

10

15

20

25

30

35

40

45

50

40

-50

Mil. CZK

Mil. CZK

30 -100 -150

20 10 0

-200

-10

0

5

10

15

20

25

30

35

40

45

50

-20

-250



scénář 1b

scénář 2

scénář 3

scénář 1a

scénář 1b

scénář 2

Tato srovnání celkem jednoznačně ukazují, že negativní stimulace (v našem případě daňová opatření) je ekonomicky efektivní (tj. zvyšuje celkový společenský blahobyt), zatímco pozitivní stimulace spodobněná v naší analýze snížením jízdného nevede ke zvýšení celkového blahobytu, především z důvodu značných finančních nároků na veřejné rozpočty.

2.5.3 ZÁVĚR Pomocí simulačního modelu kalibrovaného pro pět největších měst ČR bylo provedeno srovnání změn společenského blahobytu čtyř scénářů – selektivního zvýšení spotřební 272

scénář 3


daně (scénář 1a), plošného zvýšení spotřební daně (scénář 1b), šoku do cen pohonných hmot (scénář 2) a snížení ceny jízdného v MHD (scénář 3). Výsledky simulací ukazují, že scénáře 1a a 1b by vedly k nárůstu společenského blahobytu, zatímco scénáře 2 a 3 k poklesu společenského blahobytu. Ukazuje se, že pro analyzovaná česká a moravská města má snížení cen jízdného pouze malý vliv na znečištění ovzduší ve městě, podstatně výraznější dopad na emise z dopravy má nárůst sazby spotřební daně z paliv. Ve městech, kde je MHD z velké části dotovaná, by však nárůst spotřební daně z paliv měl být zprostředkován také v nárůstu cen jízdného (scénář 1b). V případě, že provozovatelé MHD budou zvýhodněni například úlevou u spotřební daně (scénář 1a), bude nárůst výkonu městské hromadné dopravy spojen s většími nároky na dotace z veřejných rozpočtů a celkový nárůst společenského blahobytu bude v tomto případě nižší než u scénáře 1b; uvedený rozdíl je však relativně malý. Tyto odhady potvrzují výsledky jiných studií ze západní Evropy či USA [především Mayeres 2000], že snižování jízdného nemá na znečištění ovzduší z dopravy takový efekt, jako jiné ekonomické nástroje, především spotřební daň z paliv nebo kilometrické zpoplatnění. V městských oblastech by pak zavedení zpoplatnění dopravy a parkovné vedlo k zefektivnění dopravy – současné náklady dopravy v urbánních oblastech nepokrývají všechny náklady, které způsobují. Naopak ve venkovských oblastech je silniční doprava „předražená“. Čistě dotační řešení se tedy obecně ukazuje jako velmi neefektivní (tj. vysoce nákladné), jako vhodnější bývá doporučována kombinace „pull-push“ opatření – tj. kombinovat pozitivní i negativní stimulaci (např. dotační opatření ke snížení ceny jízdného doplnit o zvýšení spotřební daně z pohonných hmot). Na závěr je potřeba zdůraznit, že existují omezení spojená s získanými hodnotami a vyvozovanými závěry pro ČR. Hlavní omezení souvisí především s přesností odhadů externích nákladů ze znečištění ovzduší. Dalším kritickým aspektem jsou zvolené váhy přiřazené různým komponentům blahobytu, které mohou zásadně ovlivnit velikost dopadu na blahobyt. Váhy použité v našem modelu jsou normativní v tom smyslu, že v nich nejsou zahrnuty distribuční aspekty: zajímá nás zde pouze ekonomická efektivita jednotlivých nástrojů. Nástroj (či nástrojový mix), který je ekonomicky efektivní, nemusí být akceptovatelný z jiných hledisek – typicky to platí pro distribuční dopady, které zpravidla nejsou zohledňovány v analýze nákladů a přínosů. Výsledky různých modelů však naznačují, že efektivní zpoplatnění dopravy může být distribučně neutrální, pokud je kombinováno s vhodným mechanismem redistribuce výnosů [Proost a Van Dender 2001]. V reálném světě jsou přitom v politickém rozhodování akcentovány i další kritéria volby zmiňovaná v úvodu kapitoly; různé výchozí podmínky často vyžadují různé (kombinace) řešení. Na závěr bychom rádi zmínili prioritní témata pro další rozvíjení výzkumu v této oblasti. Jak již bylo zmíněno simulační model zahrnoval pouze externí náklady ze znečištění ovzduší a změny klimatu, proto by bylo přínosné jeho rozšíření o další externality (kongesce, hluk) a jejich aktualizace (např. ve vazbě na výsledky projektu

273


TranExt136). Dalším vhodným krokem je prodloužení časových řad pro odhady elasticit o poslední roky a zejména pak rozšíření analýzy na další města.

LITERATURA Chichilnisky, G, (1996): An axiomatic approach to sustainable development, Social Choice and Wealfare, Springer-Verlag, 13/1996, pp, 231-257 Maibach M., Schreyer C., Sutter D., van Essen H.P., Boon B.H., Smokers R., Schroten A., Doll C., Pawlowska B., Bak M. (2008): Handbook on estimation of external cost in the transport sector, Internalisation Measures and Policies for All external Cost of Transport (IMPACT), study for the Commission of the European Communities, CE Delft. Mayeres I. (2000): The Efficiency Effects of Transport Policies in the Presence of Externalities and Distortionary Taxes. Journal of Transport Economics and Policy, 2000, vol. 3(2), s. 233-260. Proost S., Van Dender K. (2001): The welfare impacts of alternative policies to address atmospheric pollution in urban road transport. Regional Science and Urban Economics, 2001, 31, s. 383-411. Pudil P., Vybíhal V., Vítek L., Pavel J. a kol. (2004): Zdanění a efektivnost, Eurolex Bohemia, Praha. Revesz R.L., Stavins R.N.(2007): Environmental Law, in: Polinsky A.M., Shavell S. (eds.) Handbook of Law and Economics, Volume 1, Amsterdam: North Holland/Elsevier, , str. 499-589. Sen, A. (1967): Isolation, Assurance and the Social Rate of Discount, Quarterly Journal of Economics, Vol. 18(1), s. 112-124. Tavasszy, L.A., A. Burgess, G. Renes (2004): Final publishable report: conclusions and recommendations for the assessment of economic impacts of transport projects and policies, IASON Deliverable D10. Funded by 5th framework RTD Programme. TNO Inro, Delft, Netherlands, March 2004. Weitzman, M.L. (1998): “Why the far-distant future should be discounted at its lowest possible rate”, Journal of Environmental Economics and Management, 36, p. 2018.

136

Projekt VaV CG712-111-520 Kvantifikace externích nákladů dopravy v podmínkách České republiky (TranExt).

274


3. Formulace doporučení efektivních nástrojů regulace dopravy

Zodpovědná řešitelka: Hana Brůhová-Foltýnová, Markéta Braun Kohlová Zpracovali: Markéta Braun Kohlová, Vojtěch Máca

275


3.1 Celkové závěry a doporučení Cílem výzkumného projektu Analýza každodenního dopravního chování dospělého městského obyvatelstva a nástroje regulace dopravy bylo zjistit proč a jak se lidé v každodenním životě rozhodují pro využívání různých typů dopravy včetně identifikace faktorů vysvětlujících volby jednotlivých dopravních prostředků. Současně byly analyzovány efekty různých nástrojů regulace osobní dopravy (primárně ekonomických) a jejich vliv na blahobyt, obecné měřítko užitku v neoklasické ekonomii. Znalost poptávky, jejích determinant a jejích parametrů a schopnost modelovat efekty zamýšlených opatření představují klíčové informace nezbytné pro rozhodnutí, kterými chce stát nebo samospráva dosáhnout zlepšení dopravy ve městech. Východiskem pro návrh uspořádání sociologického šetření dopravního chování a volby dopravního prostředku, které je jádrem první části výzkumu, byla rešerše přístupů objevujících se v dopravním inženýrství, neoklasické ekonomii, sociologii a sociální psychologii. Na jejím základě byly koncipovány metody použité jak v kvalitativním předvýzkumu, tak ve vlastním dotazníkovém šetření. Dominantně uplatňovaným přístupem ke zkoumání dopravního chování a volby dopravního prostředku byla teorie racionální volby (v neoklasické ekonomii, dopravním inženýrství a sociální psychologii), na jejímž základě bylo možné izolovat elementární prvky rozhodovacího procesu, změřit a porovnat velikosti efektů i) charakteristik dostupných alternativ, ii) individuálních charakteristik jedince a iii) charakteristik prostředí, v němž se jednotlivci pohybují. Vzhledem k tomu, že výsledky získané přístupem založeném na teorii racionální volby jsou velmi deskriptivní, uplatnili jsme především v předvýzkumu dotazníkového šetření kvalitativní sociologické metody, které lépe umožní vysvětlit změny cestovního chování jedinců a reakce na dopravní opatření v čase. Dále kvalitativní metody umožnily zachytit rozdíly mezi jedinci v preferencích týkajících se jednotlivých dopravních prostředků i charakteristik místa bydliště, které cestovní chování významně a dlouhodobě determinují. Obdobně pro druhou část projektu zaměřenou na ekonomické hodnocení byla základem rozsáhlá rešerše přístupů k ekonomické analýze nástrojů regulace dopravy. Na jejím základě byl postaven ekonomický model dopravního chování, s jehož pomocí je možné hodnotit, jaký vliv na společenský blahobyt by mělo zavedení vybraných nástrojů regulace dopravy. Jelikož model, jako určité zjednodušení reality, nemůže uvažovat všechny složky blahobytu, jsou jako klíčové komponenty zvoleny dopady v podobě změny externích nákladů, daňových výnosů, dotací pro veřejnou dopravu (tady dopady na veřejné rozpočty) a změna kompenzační variace (tedy potenciální kompenzace z důvodu redistribuce blahobytu). Většina nástrojů regulace, zvláště pak námi diskutovaných nástrojů ekonomických, projevuje významnou dynamiku, s nichž se v průběhu času vyvíjí jejich působení na regulované subjekty. Běžně používaným ukazatelem vlivu regulací vyvolaných změnami cen na poptávku po dopravě jsou poptávkové elasticity (krátkodobé a dlouhodobé), které takto tvoří základ ekonomického modelu. Výsledky sociologického šetření jsou koherentní se závěry obdobných zahraničních studií i domácích studií, které jsme shromáždili pro účely meta-analýzy. 276


Muži a osoby s vyšším příjmem patří mezi ty, kteří ke každodennímu dojíždění volí častěji automobil. Efekt věku není zcela jednoznačný. Rozdíly jsou také mezi zkoumanými lokalitami. Výsledky dále poukazují na souvislost mezi volbou automobilu a typem osídlení nebo zástavby respondentova bydliště. Skutečnost, že lidé žijící v bytech, resp. kompaktní městské zástavbě méně často volí auto ve prospěch hromadné dopravy, lze jednak vysvětlovat kratšími cestovními vzdálenostmi umožněnými obecně lepší dostupností lokalit, v nichž se pohybují, také ale existencí infrastruktury hromadné dopravy, která je rozvinutější ve větších městech a jejich centrálních částech. Doplňkový k tomuto efektu je negativní efekt vzdálenosti bydliště od centra a velikosti místa bydliště na volbu automobilu. Vzhledem k důležitosti rezidenčních charakteristik na volbu dopravního prostředku popisovanou v zahraničních studiích jsme se efektem dopravní dostupnosti na změny cestovního chování zevrubně zabývali v druhé vlně kvalitativního předvýzkumu. Ten přinesl následující závěry. Přestože je v příměstských lokalitách zpravidla horší kvalita služeb a nižší občanská vybavenost, významná část populace je ochotna se do těchto lokalit stěhovat, zpravidla kvůli nižším nákladům na bydlení i časté preferenci bydlení mimo město, v samostatném domě a zeleni. Toto obyvatelstvo však stále dojíždí (za prací, vzděláním, zábavou, nákupy, lékařskou péčí, atd.) do center městských aglomerací. Nehledě na to, jestli tyto osoby preferuje dojíždění hromadnou dopravou či autem, kvůli snížené frekvenci spojů, méně výhodným tarifům a horší dopravní dostupnosti služeb nahrazují postupně mnohé cesty hromadnou dopravou automobilem. Suburbánní bydlení je významných faktorem nárůstu automobilové dopravy na území měst. Zkusme na základě výsledků modelování volby dopravního prostředku a minulých reakcí respondentů na dopravní opatření a jiné změny formulovat doporučení k návrhu opatření minimalizujících negativní společenské dopady individuální automobilové dopravy nebo naopak usilujících o podporu hromadné dopravy nebo cyklistiky. Jako účinný nástroj regulace automobilové dopravy se v minulosti projevily především zvyšující se ceny pohonných hmot. Podle výsledků z dotazníkového šetření byly v lokalitách měst Plzně, Pardubic, Hradce Králové a jejich okolí účinnější než zpoplatnění parkování, resp. rozšiřování zóny placeného stání ve vnitřních částech měst. Efekt finančních nástrojů potvrzují taktéž modely volby dopravního prostředku na každodenní cesty, v nichž se potvrdil statisticky významný negativní efekt nákladů spojených s cestováním autem na jeho volbu. Lze proto očekávat, že finanční nástroje, které cestování autem činí relativně dražší v porovnání s hromadnou dopravou, ať už je to prostřednictvím zdanění motorových paliv, mýtného pro osobní dopravu na území města nebo parkovného, budou efektivní. Ekonomický model dopravního chování tyto závěry i přes určitá omezení modelu (především rozsah modelovaných dopadů) potvrzuje. Srovnání dopadů čtyř scénářů opatření – selektivního zvýšení spotřební daně, plošného zvýšení spotřební daně, šoku do cen pohonných hmot a snížení ceny jízdného v MHD – pro pět největších českých a moravských měst celkem jednoznačně ukazuje, že zatímco scénáře založené na daňových opatřeních vedou ke zvýšení celkového blahobytu obyvatel, scénář uvažující s nárůstem dotací pro veřejnou hromadnou dopravu celkový blahobyt snižuje (stejně jako cenový

277


šok u ropy, klíčové komodity pro dopravní sektor). Provedené simulace navíc ukazují, že blahobyt v případě snížení ceny jízdného v hromadné dopravě v přepočtu na obyvatele klesá podstatně rychleji ve srovnání s růstem blahobytu dosaženého zvýšením spotřební daně, ať už pouze pro individuální automobilovou dopravu nebo plošně pro veškerou silniční dopravu. Co se týká změn přepravní práce, pak simulace ukazují relativně největší posun ve prospěch hromadné dopravy u scénáře uvažujícího selektivní zvýšení spotřební daně pro individuální automobilovou dopravu. Také ekonomické studie realizované v zahraniční v převažující míře ukazují, že s ohledem na ekonomickou a environmentální efektivnost se jako nejúčinnější jeví daňové a poplatkové nástroje. Vedle jejich zřejmého motivačního charakteru tyto nástroje navíc zpravidla přináší i dodatečný příjem do veřejných rozpočtů. Adresáty regulace motivují k investicím do úspornějších, příp. čistších technologií, a také ke snižování množství najetých kilometrů, což má pozitivní dopady na životní prostředí. Významnější dopad tyto nástroje mají, pokud zvyšují variabilní náklady (tj. v podobě spotřebních daní z paliv) oproti jednorázovým poplatkům zvyšujícím fixní náklady. Naopak plošná dotační opatření (jakým je snižování ceny jízdného) nemají takové environmentální přínosy jako daňové (a poplatkové) nástroje a kilometrické zpoplatnění. Jak ovšem ve svých závěrech upozorňují řešitelé evropského projektu SPECTRUM, nejlepší kombinace opatření (které zahrnuje kilometrické zpoplatnění a zdanění pohonných hmot) mohou čelit zásadním obtížím při implementaci z důvodu nízké přijatelnosti u veřejnosti (zvláště pak v krátkém horizontu). To do značné míry odráží neopominutelný význam normativních hledisek, které výrazně ovlivňují politickou prosaditelnost regulačních opatření. Jsou to právě dotace, které jsou běžně používány k odstranění regresivních dopadů, kdy některé daňové či poplatkové nástroje mohou více zatížit obyvatele s nižšími příjmy (stejný výdaj znamená jiný relativní výdaj člověka s minimální mzdou a jiný relativní výdaj člověka s vysokými příjmy), což se často týká zdanění energií (včetně pohonných hmot). Dotace takto zvyšují přijatelnost nástrojových mixů, neboť představují prvek pozitivní stimulace, který odměňuje adresáta regulace za chování v souladu se stanovenými pravidly. Jako účinný nástroj dopravních a environmentálních politik vychází dle ekonomického modelování i mýtné. Mýtné, zvláště v podobě elektronického mýtného, představuje efektivní ekonomický nástroj, který řeší nejen problém financování silniční infrastruktury, ale umožňuje také dosáhnout optimálního využívání infrastruktury, tedy i snížit emise, hluk, kongesce a další negativní dopady na životní prostředí, a to diky rozlišení podle typu vozidla, doby jízdy a ujeté vzdálenosti případně i dalších parametrů. Technologicky pokročilé systémy mýtného jsou však – jak ukazují zahraniční zkušenosti – spojeny s velkými počátečními investice do technologie výběru mýta. Zavedení zpoplatnění ve městech brání v ČR absence odpovídající právní úpravy. U stávajících nástrojů zpoplatnění dopravy existují omezení, které jejich využití ve městech prakticky zcela vylučují – mýtné se vztahuje pouze na vozidla přesahující stanovený hmotnostní limit (v současnosti stanovený na 12 tun) a pouze na vybrané síti komunikací (rychlostní komunikace a vybrané úseky silnic I. třídy), které jsou navíc bezvýhradně situovány v extravilánu. Obdobné platí i pro uživatelské poplatky, známější pod názvem dálniční známky, které se naopak vztahují na vozidla pod 12 tun. Zpoplatnění vjezdu motorovým vozidlem do vybraných míst obce je sice nástrojem přímo určeným pro využití ve městech, avšak stanovené meze jeho využití

278


(oblasti s vymezeným zákazem vjezdu) a omezení maximální výše poplatku činí tento nástroj ve stávající podobě pro zpoplatnění kongescí, či kordónové zpoplatnění nepoužitelný. I přesto se jedná o nástroj využívaný v celé řadě měst, spíše však s fiskálním než motivačním efektem. Pokud jde o stanovení výše sazby regulačních nástrojů daňového a poplatkového typu (tedy i mýtného), ekonomická teorie říká, že by měla být stanovena s ohledem na výši externích nákladů, v ideálním případě tak, aby tyto externí náklady internalizovala. Pro dosažení vyššího motivačního efektu se navíc jako účinný způsob placení ukazuje častější výběr platby (např. každý den) než výběr fixní částky jednou za delší období. Jiným krokem pro zachování regulačního efektu ekonomického nástroje je průběžně zvyšování sazby zpoplatnění, které předchází situaci, kdy si po čase lidé „zvyknou“ na implementovaný nástroj a jejich chování se postupně vrací do stavu před zavedením opatření. To samozřejmě klade zvýšené nároky i na zákonodárce, neboť musí průběžně hodnotit a korigovat nástroj i po jeho zavedení. Jak dále z modelu dopravní volby vyplynulo, zpoplatnění parkování ve vnitřních částech měst mělo na regulaci automobilové dopravy a podpory hromadné dopravy ve sledovaných městech omezený vliv. To bylo zejména proto, že jedinci měli možnost parkovat v jiných (relativně blízkých) lokalitách, v nichž parkování zpoplatněno není. Významný efekt na frekvenci využívání automobilu tak může mít teprve ucelený systém placeného parkování na celém území města, které nahrazení cílové lokality jinou lokalitou neumožňuje. Přestože zpoplatnění parkování v centrech měst nemusí vést ani k výrazně častějšímu používání hromadné dopravy, může v lokalitách s existující se infrastrukturou vést k častějšímu využívání kola a pěším cestám. V souvislosti s parkováním je třeba připomenout, že ve lokalitách sledovaných v dotazníkovém šetření naprosto zanedbatelné množství osob k cestě po městě kombinovalo automobilovou dopravu s jiným způsobem dopravy. Tento výsledek ukazuje, že zde není vůbec využíváno odstavné parkování na hranicích města, které by odlehčilo silniční dopravě ve městě. Zpoplatnění parkování je v současnosti nejrozšířenějším ekonomickým nástrojem uplatňovaným (nejen) ve zkoumaných městech k omezování dopravy především v centrech. Zpoplatnění parkování a parkovacích zón zpravidla vede k mírnému snížení používání osobních automobilů a současně zkracuje dobu hledání parkovacího místa. Zavedení parkovacích zón má však negativní efekt na sousední oblasti s nezpoplatněným parkováním v podobě nárůstu počtu parkujících automobilů a s tím spojených dopadů na kvalitu života v těchto oblastech. Další formou rozšíření zpoplatnění parkování je omezování bezplatného parkování pro zaměstnance, ať už formou plošného zpoplatnění parkovacích ploch zaměstnavatele nebo poskytováním benefitů zaměstnancům, kteří přestanou k dojížďce využívat osobní automobil. Při návrhu opatření je třeba rozlišovat, zda uvažujeme o změnách cestování po městě realizovaných osobami, které mají bydliště v širším centru města nebo o cestách, které realizují osoby z příměstských oblastí a v rámci celého pracovních mikroregionů. První typ cest, které jsou zpravidla také kratší, jedinci s větší pravděpodobností realizují pomalejšími způsoby dopravy, jako je cyklistika nebo pěší chůze. Při zvýšení relativních cen osobní automobilové dopravy, ale také městské hromadné dopravy, tak existují dostupné alternativy, jejichž náklady se nemění a jejichž použití není tak závislé na příjmu a vybavenosti nákladnými statky dlouhodobé spotřeby. Šanci, že jedinci

279


motorizované způsoby dopravy na kratší cesty nahradí cyklistikou pak kromě relativních nákladů na jejich použití ovlivňuje taktéž rozsah a kvalita cyklistické infrastruktury, jako je tomu v Hradci Králové. U druhého typu cest, které jsou zpravidla delší, se může při relativním zdražení individuální automobilové dopravy snižovat celková dopravní dostupnost. Jak ukázaly výsledky kvalitativního předvýzkumu, suburbální či regionální hromadná doprava totiž nemusí dostačovat individuálním požadavkům na spojení a přijatelné intervaly spojů. Tato skutečnost vede v kombinaci se zvyšujícími se cenami příměstské autobusové dopravy k pořízení automobilu, resp. dalšího automobilu v domácnosti. Spolu se snižující se frekvencí spojů hromadné dopravy se jedná o hlavní faktory vedoucí k častějšímu využívání auta v neprospěch hromadné dopravy. Chceme-li minimalizovat významné negativní dopady z automobilové dopravy mezi příměstskými oblastmi a centry spádových měst, je žádoucí v co největší míře podporovat zvýšenou frekvenci spojů a výhodnost tarifů příměstské a regionální dopravy a to i na úkor tarifů dopravy městské, u níž v tak velké míře nehrozí nahrazení individuální automobilovou dopravou. Je také třeba vzít v úvahu, že část dojíždějících, zpravidla žen, porovnává náklady na příměstskou hromadnou dopravu s náklady, které mají jako spolujezdci a které jsou proto výrazně nižší než u řidičů, kteří cestují sami. Co se týče městské hromadné dopravy data ukazují, že snižující se frekvence spojů hromadné dopravy má na odliv cestujících dokonce větší vliv než rostoucí ceny. Provoz nových vozů MHD sice zvyšuje kvalitu přepravy, nevede však k tomu, že by osoby, které dosud cestovaly jiným způsobem častěji využívali hromadnou dopravu, natož, aby si pořídili časové nebo kreditní předplatné. Integrace tarifů městské a regionální hromadné dopravy se ukázala být významným faktorem pro pořízení předplatného na hromadnou dopravu a to časového i kreditního. Zajímavé je, že vlastnictví předplatného není příliš ovlivněno uvedenými dopravními změnami. Domníváme se, že velká část osob, které si předplatné pořídí si ho ponechají nehledě na jiné změny dopravní situace. Vybavenost těmito statky dlouhodobé spotřeby se zdá být stabilnější než frekvence využívání hromadné dopravy. V neposlední řadě výsledky sociologického šetření ukazují, že není příliš efektivní směřovat opatření do menší vybavenosti automobily, která je ovlivněna nejen každodenním dojížděním, ale do značné míry také očekávanými možnostmi realizovat cesty na dlouhé vzdálenosti, víkendové cesty a dovolené a být mobilní, v případě, že by bylo v akutním případě potřeba rychle se dopravit například do nemocnice. Chceme-li tedy omezit používání automobilu na území měst, kde navíc vznikají významné negativní dopady na obyvatelstvo a jeho zdraví, je žádoucí motivovat s pomocí relativních cen a dostupných alternativ jedince, kteří automobil vlastní, k méně častému použití ke každodenním cestám. Nezanedbatelný význam v otázce omezovaní negativních dopadů z individuální automobilové dopravy má také územní rozvoj či plánování celých pracovních mikroregionů. Opatření snižující objem automobilové dopravy ve městech mohou být účinná pouze za předpokladu, že bude zároveň docházet k rozvoji rezidenčního bydlení v okolí města do lokalit s co možná nejlepší občanskou vybaveností a míst, která jsou dobře obsloužena hromadnou dopravou.

280


Na závěr cítíme za potřebné zdůraznit, že poznatky získané v tomto výzkumu ukazují na vhodnost rozvíjení takého typu výzkumu včetně naznačených přesahů do dalších vědních odvětví. Jak model volby dopravního prostředku, tak především ekonomický model dopravního chování představují spíše začátek výzkumu dané problematiky, přesto však dosažené výsledky mohou být srovnávány s výsledky z obdobných (zpravidla však již po desetiletí rozvíjených) evropských a zahraničních projektů.

281

Univerzita Karlova v Praze Centrum pro otázky životního prostředí U Kříže Praha 5 ředitel: prof. RNDr. Bedřich Moldan, CSc

Recommend Documents