VŠB-Technická univerzita Ostrava

VŠB-Technická univerzita Ostrava Ekonomická fakulta

WD-55-07-1 Regionální disparity v územním rozvoji ČR – jejich vznik, identifikace a eliminace

Mezinárodní vědecký seminář

REGIONÁLNÍ DISPARITY - jejich pojetí, klasifikace a měření Šilheřovice 13. - 14. 11. 2008

Sborník přednášek

Ostrava, listopad 2008

Regionální disparity – jejich pojetí, klasifikace a měření

Šilheřovice 2008

OBSAH

1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

Alois Kutscherauer Regionální disparity v územním rozvoji země Mlan Buček, Lukrécia Kováč Gerulová Regionálna konvergencia resp. divergencia na pozadí teoretických koncepcií Karel Skokan Disparity a regionální rozvoj v zemích střední Evropy Jan Sucháček Regionální nerovnosti v teoretickém kontextu Jaroslav Jánský, Stanislav Hubík, Iva Ţivělová Metodologické přístupy k identifikaci zdrojů regionálních disparit Iva Galvasová, Kateřina Chabičovská Metodické přístupy ke kartografickému znázornění disparit v krajích Josef Hůlka, Jan Ţenka Technologicky náročné obory zpracovatelského průmyslu a regionální disparity v ČR Martina Mikeszová Regionální disparity ve finanční dostupnosti nájemního bydlení Jan Česelský, Martin Ferko, Vladimír Koudela Analýza regionálních disparit ve fyzické dostupnosti bydlení z hlediska bytové výstavby Vladimír Vavrečka Cestovní ruch jako jeden z významných nástrojů řešení regionálních disparit Barbara Vojvodíková, Aleš Lokaj Návrh hodnotícího modelu pro řešení regionálních disparit Martin Ferko, Jan Česelský, Petr Otipka Softwarová utilita "Disparitér" Pavel Tuleja Moţnosti měření regionálních disparit - nový pohled Hana Janáčková Brownfieldy a Moravskoslezský kraj Pavlína Ivanová Analysis of unemployment in 1993 - 2007 and some regional disparities in Slovak and Czech Republic


Šilheřovice 2008

Disparity a jejich vliv na územní rozvoj země Doc. Ing. Alois Kutscherauer, CSc. Abstrakt Příspěvek přináší širší pohled na problematiku disparit. Zabývá se fenoménem, charakterem a informační hodnotou disparit. Diskutují se zde také otázky vlivu měřítka země na vznik, charakter a působení regionálních disparit a pojetí a dekompozice systému sledování a hodnocení disparit v regionálním rozvoji České republiky.

Klíčová slova Regionální disparity, Fenomén disparity, Pojetí disparity, Informační hodnota disparity, Disparity v malé a velké zemi, Systém sledování a hodnocení regionálních disparit.

Abstract The article deals with the problem of disparities from wider point of view. It analyses the disparities as a phenomenon, deals with their character as well as information value. The questions of the influence of country scale on the rise, character and incidence of regional disparities is discussed widely. The same applies to the decomposition of the system of monitoring and evaluation of disparities in Czech regional development.

Key words Regional disparities, disparity as a phenomenon, concept of disparity, information value of disparity, disparities in small and big country, system of monitoring and evaluation of regional disparities.

Disparity jako fenomén Disparity jsou velmi frekventovaným pojmem posledního desetiletí. Často je však tento termín používán na označení skutečností, které jeho sémantickou interpretaci mnohdy činí značně mlhavou. Disparity v nejširším slova smyslu chápeme je rozdílnost, resp. nerovnost znaků, jevů či, procesů, jejichž identifikace a srovnávání má nějaký racionální smysl (poznávací, psychologický, sociální, ekonomický, politický). Přesto, že se zkoumáním tohoto fenoménu zabývá stále více teoretiků, nemá dosud dostatečně propracovanou teoretickou základnu a vymezen systémový a metodologický rámec jeho zkoumání. Smyslem zkoumání disparit není jen poznání, nakolik zkoumané subjekty zaostávají (za ostatními, vůči standardům, normativním úrovním apod.), ale také poznání jejich jedinečnosti, abychom je dovedli účelně a efektivně odlišit a nalézt jejich komparativní výhody. 1


Šilheřovice 2008

Vývoj složitých společenských subjektů se vždy odehrává v čase a prostoru. Na jedné straně hovoříme o minulosti, současnosti a budoucnosti jejich vývoje, tedy o času jako faktoru vývoje, na druhé straně hovoříme o prostorových charakteristikách tohoto vývoje. Spolu s vývojem subjektů a jejich částí dochází k vývoji jejich disparit – vnitřních i vnějších. Disparity mají tedy svou časovou a prostorovou dimenzi.

Negativní a pozitivní disparity Jsou dva základní důvody, proč chceme identifikovat relevantní znaky subjektů, jako nositelů jistých vlastností a podrobit je zkoumání jako předmětu našeho poznání, naší činnosti či našeho zájmu. Prvním důvodem je potřeba identifikace a zkoumání rozdílností relevantních znaků subjektů, kde jde zpravidla o zjišťování, v čem jednotlivé subjekty, v rámci vymezené (stanovené) množiny – států, zemí, regionů, obcí, podniků apod., zaostávají, a jaký to má vliv na jejich změny, zejména systémové, a v rámci nich především na změnu struktury a chování. Jde dosud o natolik dominantní přístup, že se často zjišťování těchto „negativních“ znaků označuje jako „disparitní přístup“. Druhým, daleko méně častým důvodem je zkoumání rozdílnosti subjektů (jejich relevantních znaků), vedoucí k poznání jejich jedinečnosti, schopnosti účelně a efektivně se odlišit od ostatních zkoumaných subjektů a také např. k účinnému využití jejich komparativních výhod. Tedy schopnosti plnit jistou „pozitivní“ roli (obecně ve vymezené množině subjektů, specificky pak ve společenství zemí, regionů, obcí apod.).

Informační hodnota disparit Dominantní pro volbu přístupu k identifikaci a hodnocení disparit je, do jaké míry přinášejí uživateli informací nové poznání a v jakém směru může toto poznání být využito, tedy jaká je jejich informační hodnota. Zjištěné a vyhodnocené disparity mohou mít pro příjemce (uživatele) informace hodnotu: 

poznávací – informují uživatele o širším kontextu relevantních znaků zkoumaných subjektů, zvyšují stav poznání příjemce informací bez konkrétních požadavků na způsob jejich dalšího přímého využití. Ve společenské praxi může jít o srovnávání zemí a jejich seskupení, či rozdílností ve vývoji různých částí světa, bez ambicí do tohoto vývoje přímo zasahovat apod. Zvýšení stavu poznání je nejčastějším důvodem, proč jsou nejrůznější disparity analyzovány a vyhodnocovány.



motivační – změny relevantních znaků zkoumaných subjektů vytvářejí soubor

pohnutek podněcující příjemce informací k určité činnosti; motivují jej ke způsobu jednání, zpravidla v delším časovém horizontu. Jedním z častých zadání hodnocení územních disparit s cílem působit motivačně je např. vyhledávání území vhodných pro různé typy investování – motivující investory k umístění svých investic do konkrétního území.



operativní – změny relevantních znaků zkoumaných subjektů vedoucí k okamžitému jednání, k reakci na vzniklou, resp. měnící se situaci. 2


Šilheřovice 2008

Může jít o reakce na měnící se situaci a vzájemnou relaci subjektů na finančních trzích, měnící se vzájemnou pozici jednotlivých klíčových bank, reakci na intervence vlád do soukromého sektoru apod. 

rozhodovací – změny relevantních znaků zkoumaných subjektů, jejichž vyhodnocení vede příjemce k přijetí rozhodnutí.

Poskytnout informace pro rozhodování je druhým nejčastějším důvodem, proč jsou disparity analyzovány a vyhodnocovány. Zpravidla jde o východiska pro tvorbu regionálních strategií a programů, může také jít o identifikaci regionů pro stanovení soustředěné pomoci státu problémovým regionům apod. Je však třeba mít na zřeteli, že hranice mezi způsoby využití poznaných disparit zkoumaných subjektů je neostrá, že způsoby užití získaných poznatků se mohou překrývat. Rozdílná informační hodnota vyhodnocených disparit není reprezentována zcela rozdílnými indikátory. Zpravidla jde o kontext vyhodnocení – věcný, časový, velikostní, míry rizika apod.

Disparity v malých a velkých zemích Při výzkumu regionálních disparit (regionálních nerovností)1 se zákonitě nabízí otázka: mají malé země stejné disparity jako velké země, mají tyto disparity stejný charakter a působí stejně intenzivně a ve stejném směru (konvergenčně – divergenčně) ve velkých i malých zemích? Například: bude podstata, charakter a intenzita působení regionálních disparit stejná v Německu či ve Francii jako v České republice či v Maďarsku?

Je Česká republika malá země? Na tyto otázku jsme museli zcela zákonitě narazit také při výzkumu regionálních disparit v územním rozvoji České republiky. Česká republika se svými 10,3 miliony obyvatel, a hustotou osídlení 129 obyvatel/km2 patří ke středně velkým evropským zemím. Podle rozlohy, kdy z celkové rozlohy Evropské unie Česká republika zaujímá necelých 79 000 km² tj. jen něco přes 2 %, patří spíše k malým zemím. Místo jednoznačných odpovědí na vznesené otázky se nabízí hned několik dalších otázek:  Co je velká a malá země?  Mají specifika velké a malé země vliv na vznik, působení a řešení (eliminaci či zmírňování) regionálních disparit?  Jaké nástroje se pro řešení disparit nabízejí; jsou jiné ve velkých a v malých zemích?

Velikost země Velikost země je nejednoznačný pojem, který se v různých interpretacích může dost zásadně lišit. Kritéria pro stanovení velikosti země jsou podle účelu tohoto určení dost odlišná. Pro posouzení odlišnosti identifikaci disparit a jejich působení se nabízí zejména: počet obyvatel 1

Většina autorů teoretické literatury nerozlišuje pojem disparita a nerovnost; řada z nich ani pojem disparita nezavádí. Proto i v tomto příspěvku budeme pojmy disparita a nerovnost považovat za synonymum.

3


Šilheřovice 2008

země, rozloha, hustota osídlení a síla ekonomiky (často zjednodušeně vyjadřovaná jako HDP na obyvatele). D. Felsenstein a B. A. Portnov ve své publikaci “Regional Disparities in Small Countries“. (Springer 2005) konstatují, že malá země „je to těžko postižitelný pojem. Objektivně může být velikost země měřena třemi rozdílnými, vzájemně závislými parametry – územím, obyvatelstvem a ekonomikou země“. Vylučme definování velikosti země založené pouze na ekonomické výkonnosti, neboť může být značně zavádějící. Lehce najdeme ve světě řadu zemí velkých rozlohou i počtem obyvatel, ale „trpasličích“ sílou jejich ekonomiky. Naproti tomu se řada středně velkých či malých zemí může prokázat značně velkou ekonomickou sílou. Fyzická velikost země (měřená velikostí obyvatelstva nebo rozlohou) zdánlivě nabízí celou řadou atributů, v nichž kauzální vztahy jsou jasně vymezeny. Tedy malé země mají pravděpodobně menší trhy a jsou otevřenější k zahraničnímu obchodu. Menší počet obyvatel může vést k menšímu extrému odchylek v sociálních nebo ekonomických charakteristikách.

Atributy disparit malých zemí Malá země má proti velké některá významná omezení charakterizovaná na straně nabídky omezeností zdrojů, především omezeností nabídky práce a omezeností domácí nabídky hmotné i nehmotné produkce (výrobků a služeb). Tato omezení však mohou být kompenzována, např. dovozem pracovní síly, když země leží v blízkosti zemí, které tuto pracovní sílu mohou nabídnout, důrazem na rozvíjení vysoce kvalifikované pracovní síly a tím možností země orientovat se více na výroby s vyšší přidanou hodnotou či vyšší mírou otevřenosti trhu kompenzující omezenost domácí nabídky. Atributy regionálních disparit odvozené od velikosti země (např. vliv měřítka země na regionální konvergenci nebo divergenci) jsou sice prezentovány, ale dosud šlo jen o hypotézy, které se prakticky, ale ani modelově, nepodařilo potvrdit. Tyto lze dle D. Felsensteina a B. A. Portnova (2005) charakterizovat jako prostorové a neprostorové. Prostorové atributy a jejich vlivy:  malá rozloha země,  malý počet regionů, malé vzdálenosti mezi regionálními centry a všeobecně kratší vzdálenosti v malé zemi podporují regionální konvergenci,  dominantní metropolitní centrum omezuje významnější vnitroregionální účinky,  růst dominance metropolitního centra, malá vzdálenost mezi centrem a venkovskými regiony nemotivuje k vykonání potřebných změn v těchto regionech,  malá velikost regionů zmenšuje pravděpodobnost extrémních hodnot v rámci regionu a implikuje menší vnitroregionální proměnlivost a meziregionální rovnosti,  výrobní činitelé jsou vzhledem ke kratším vzdálenostem mobilnější,  rozměr malé země přináší větší nespojitosti generované národními hranicemi, s omezujícím účinkem na faktor mobility. Neprostorové atributy a jejich vlivy:  otevřenost ekonomiky malé země, 4


Šilheřovice 2008

 obvykle větší míra sociální koheze, 

závislost na externích ekonomických silách (zdroje nabídky apod.), což obecně vede k menší nezávislosti při stanovování sociálních a regionálních priorit,

 centralizovaná struktura vlády (menší míra subsidiarity) charakteristická pro malé země,  kapitál, práce, zboží a technologie v různém stupni mobility,  úroveň obchodovatelnosti určitého zboží, zejména služeb, je často ve vztahu k velikosti populace,  různé vrstvy obyvatelstva mají rozdílné sklony ke změně nebo migraci (mobilita práce),  nižší transakční náklady - hrají významnou roli při určování faktoru mobility a určování geografické periferality regionů (McCann 2004). U prostorových atributů lze očekávat, že budou více podporovat regionální konvergence. U neprostorových atributů, že budou více podporovat regionální divergence. Tyto rozdíly byly formulovány na základě uplatněných teorií. Praktickými případovými studiemi ani experimentálním modelováním se však apriorně formulované teoretické závěry o vztahu mezi velikostí země a regionálními disparitami dosud nepodařilo v dostatečném rozsahu potvrdit. Řada autorů dokonce zastává názor, že takový vztah ani neexistuje. Vzhledem k tomu, že dosud není dost empirických poznatků, musíme vzít zavděk výsledky dosud prováděného modelování. Modelování problematiky disparit v malých zemích naznačilo, že chudší země a země s větším počtem obyvatelstva směřují ke stavu širší regionální diference. Regionální disparity v menších a bohatších zemích vykazují (za jinak stejných podmínek) menší regionální diference. Výsledky modelování také ukazují jen relativní význam prostorových a neprostorových determinant regionálních disparit. Pro modelované země se neprostorové determinanty regionálních disparit zdají odrážet většinu ekonomických faktorů (jako je počet místních trvale bydlících obyvatel či všeobecná ekonomickou výkonnost země), zatímco prostorové determinanty (jako je rozloha území či počet regionů) se zdají být mnohem méně významné (Felsenstein, Portnov 2005). Jak tedy odpovědět na tři vznesené otázky.

Co je velká a malá země? Ve vztahu k regionálním disparitám se malá země liší od velké země ve třech základních rysech: 1. Malé země obvykle mají relativně malý počet regionálních částí. 2. Regiony malé země jsou obvykle značně rozdílné počtem obyvatelstva (zejména centrální regiony vůči okrajovým, zpravidla pohraničním regionům). 3. Regiony malé země mohou rychle měnit své pořadové pozice v širší hierarchii země změnou svých atributů, zejména obyvatelstva a důchodů. (Ve velké zemi takové změny v pořadí jsou méně obvyklé a působí pomaleji.)

5


Šilheřovice 2008

Mají specifika velké a malé země vliv na vznik a působení regionálních disparit? Pokud jsme očekávali, že malé země mají menší regionální disparity, pak musíme odpovědět, že nikoliv. Ve fungování malých zemích existuje řada konkurujících si sil, jako je sociální koheze, disponibilita přírodních zdrojů, složení obyvatelstva, otevřenost trhu atd. Kombinace a intenzita působení těchto sil může být obousměrná: směrem k regionální divergenci, i směrem k regionální konvergenci.

Jaké nástroje se pro řešení disparit nabízejí; jsou jiné ve velkých a v malých zemích? Probíhající výzkumy regionálních disparit a jejich vlivu na regionální rozvoj vedou k jednoznačnému závěru, že v systémovém vymezení, dekompozici a uplatnitelnosti nástrojů identifikace a hodnocení regionálních disparit nelze nalézt racionální rozdíly mezi malými a velkými zeměmi. Po těchto třech odpovědích se nabízí ještě jedna dodatečná otázka: Má tedy vůbec smysl

se odlišnostmi regionálních disparit v malých a velkých zemích zabývat? Ani na tuto otázku není odpověď jednoznačná. Z poznatků které byly řadou autorů, ale i v tomto příspěvku, prezentovány vyplývá, že v systémové identifikační a metodické rovině neexistují (a ani by neměly existovat) rozdíly mezi regionálními disparitami malých a velkých zemí. V rovině charakteru působení regionálních disparit a možností jejich zmírňování však je za jistých podmínek racionální se rozdílností disparit v malých zemích zabývat. Týká se to především zaostávajících a méně vyvinutých zemí (společensky, ekonomicky), s nízkým stupněm demokracie a decentralizace země. S úrovní rozvinutosti malé země se její regionální disparity v rostoucí míře stávají podobné disparitám ve velkých zemích. Neexistuje žádný apriorní důvod očekávání, že malé vyspělé země budou nevyrovnanější ani více vyrovnané než velké země. Tak také k posuzování velikostního měřítka země přistupuje při posuzování disparit i Evropská unie. Jinými slovy, země, které jsou způsobilé pro přistoupení do Evropské unie musí splňovat kritéria, která prokazují, že země není zaostalá a je schopná fungování na demokratických principech, na kterých je Unie založena. K regionům vykazujícím vyšší hodnoty hodnocených regionálních disparit než je hodnota vztažená k průměru Unie, je při pomoci zmenšovat jejich disparity proto přistupováno podle kritérií jednotných pro všechny členské státy Evropské unie bez ohledu na jejich velikost.

Pojetí a dekompozice systému sledování a hodnocení disparit v regionálním rozvoji České republiky Ze závěrů námi provedené analýzy v první etapě výzkumu vyplývá, že pro deskripci systému sledování a hodnocení regionálních disparit v České republice a provedení jeho dekompozice pro územní jednotky NUTS 3 – kraje se nabízí tři základní varianty postupu: 1. přiklonit se k již uznávanému konceptu, používanému v Evropské unii, a tento aplikovat na podmínky regionů České republiky, 6


Šilheřovice 2008

2. převzít některý z konceptů používaných v České republice, 3. konstruovat vlastní model deskripce a hodnocení regionů. Z analýzy existujících teoretických studií i praktických postupů zabývajících se popisem regionálních disparit vyplývá, že odborná veřejnost nemá jednotný názor na to, podle jakých kritérií regionální disparity vymezovat a hodnotit, a s pomocí jakých ukazatelů je popisovat. Cílem tohoto výzkumu proto je navrhnout nový (nebo podstatně modifikovaný) model systému sledování a vyhodnocování disparit v regionech České republiky. V první fázi řešení se však pro stanovení výchozího systémového rámce regionálních disparit a jeho dekompozičních pravidel jeví jako vhodný postup založený na kombinaci všech tří výše uvedených přístupů. Finálním cílem je vytvoření vlastního konceptu, což logicky klade nejvyšší nároky na řešitele. Měl by v zájmu celkové efektivnosti zohledňovat nejen národní potřeby ale i nadnárodní požadavky a kritéria a současně by se neměl významně odchýlit od deklarovaných cílů a postupů v České republice. Umožňuje však větší operabilitu a dává tak potenciálně i větší šanci na vyšší vypovídací schopnost takto koncipovaného řešení. Záměrem je navržení soustavy, která umožňuje stanovit a analyzovat základní (relevantní) rozdíly mezi kraji. Hloubka, do které budou regionální disparity strukturovány i skladba deskriptorů a indikátorů, je věcí nalezení širšího konsensu napříč jednotlivými oblastmi, jež jsou předmětem dekompozice. Dále uvedený návrh dekompozice systému sledování a vyhodnocování disparit v regionech České republiky rozkládá systém do tří oblastí (subsystémů 1. řádu), které tvoří: 1. 2. 3.

oblast sociální, oblast ekonomická, oblast územní.

Z provedeného rozboru stávajících teoretických úvah v odborné literatuře, realizovaných analýz i existujících praktických postupů se jeví jako účelné rozdělení subsystémů 1. řádu do subsystémů 2. řádu takto: Dekompozice sociálního subsystému do pěti podoblastí - subsystémů 2. řádu:  obyvatelstvo (zejména hustota zalidnění, věková a vzdělanostní struktura a zdravotní stav obyvatelstva),  životní úroveň (disponibilní důchod, nerovnost v příjmech),  úroveň bydlení (kategorie bytu, počet osob na byt, počet cenzových domácností na byt) a vybavenost domácností (osobní automobil, barevný televizor, telefon (mobil), osobní počítač, napojení na internet),  sociální vybavenost v území (zejména zdravotní a sociální služby),  sociální patologie (nezaměstnanost, chudoba, kriminalita). Základní dekompozice ekonomického subsystému vychází z jeho rozložení do čtyř podoblastí - subsystémů 2. řádu.

7


Šilheřovice 2008

 makroekonomické agregáty (podíl HDP regionu na národním HDP, HDP/ob., tempo růstu HDP, hrubá přidaná hodnota, daňová výtěžnost, produktivita práce, jednotkové náklady práce)  vnější ekonomické aktivity (exportní výkonnost, struktura exportu, obchodní bilance regionu, objem přímých zahraničních investic, umístění přímých zahraničních investic dle odvětví, podíl podniků pod zahraniční kontrolou na hrubé přidané hodnotě a zaměstnanosti)  vnitřní ekonomické aktivity, (ekonomické subjekty dle právních forem, odvětví a počtu zaměstnanců, podíl malého a středního podnikání, výzkum a vývoj, investiční aktivita  trh práce. (zaměstnanost, nezaměstnanost – míra nezaměstnanosti, dlouhodobá nezaměstnanost, počet uchazečů na 1 volné pracovní místo) Dekompozice územního subsystému je tvořena tak, že region je charakterizován 5 základními podoblastmi deskripce - subsystémy 2. řádu, které tvoří: 

fyzicko-geografický potenciál území (struktura regionu, lokalizace regionu, vzdálenost k centrům, členitost území, hydrometeorologické podmínky) ,



životní a přírodní prostředí (kvalita ovzduší, voda, příroda a biodiverzita, odpady, lesy, krajina a půda)



vybavenost a obsluha území dopravní infrastrukturou (úroveň silniční a železniční infrastruktury, letiště, vodní cesty, hraniční přechody, intenzita dopravy)



vybavenost a obsluha území technickou infrastrukturou (zásobování vodou, kanalizace a čištění odpadních vod, zásobování energiemi, informační a telekomunikační technologie)



potenciál cestovního ruchu (infrastruktura cestovního ruchu - stálá lůžka v hotelích a ubytovacích zařízeních, nová zařízení infrastruktury cestovního ruchu, počet zahraničních návštěvníků)

Proces dekompozice soustavy regionálních disparit přináší řadu otázek – teoretických, systémových, metodických i praktických (např. jak velký má být počet dekomponovaných úrovní a kolik deskriptorů a indikátorů mají zahrnovat). Stanovení počtu deskriptorů resp. indikátorů je obtížné, neboť vedle základního obsahového hlediska dosažitelné informační hodnoty sledovaných a hodnocených regionálních rozdílů musí být ze systémového hlediska zachovány relace a přibližně stejná rozlišovací úroveň mezi vymezenými základními oblastmi (sociální, ekonomickou a územní). Slaďování rozlišovací úrovně a vypovídací schopnosti indikátorů napříč subsystémy je jednou z nejobtížnějších fází řešení.

Závěry k regionálním disparitám Výskyt prostorové proměnnosti vede k nerovnoměrnému rozvoji regionů, charakterizovanému vznikem prostorových nerovností - disparit. Problematika disparit je složitý problém, který zasluhuje, aby byly aplikovány celostní pohled, multidimenzionální přístup, multidisciplinární způsob zkoumání a použita pluralitní metodologie jeho zkoumání. 8


Šilheřovice 2008

Pro další analýzy, ale zejména pro účely ovlivňování regionálních disparit nástroji regionální politiky je zapotřebí tyto různorodé pohledy na regionální disparity převést do „uchopitelné“ podoby. V této souvislosti je především nutné stanovit, která hlediska budou použita pro klasifikaci regionálních disparit, a která hlediska budou považována za atributy identifikovaných regionálních disparit. V rámci prováděného výzkumu bylo analyzováno několik hledisek pro identifikaci, klasifikaci a hodnocení regionálních disparit, která jsou považována za základní atributy disparit. Jde o hlediska: časové, měřitelnost, teritorialitu, ovlivnitelnost, způsob vzniku a dopady regionálních disparit. Pokud jde o klasifikaci regionálních disparit, na současné úrovni poznání lze doporučit jako určující klasifikační hledisko hledisko věcné, se základním členěním na regionální disparity sociální, ekonomické a územní, ke kterému se také kloní většina renomovaných autorů. Při ovlivňování vývoje disparity se jako nejúčelnější jeví působení přímo na hnací síly způsobující disparitu, čímž lze mnohdy v různé míře ovlivnit i disparity s ní korelující. Při využití navržené soustavy indikátorů regionálních disparit musíme tedy nejdříve zvážit, zda je daná disparita vůbec ovlivnitelná, zda ji potřebujeme ovlivňovat a pokud ano, jakým směrem. To však bude účelné jen tehdy, pokud budeme schopni nalézt a charakterizovat takové regionální disparity, jejichž srovnávání má racionální smysl. Jen tak lze na území regionů analyzovat existující jevy a procesy s různými příčinami, dopady a možnostmi ovlivňování. Chápání racionality však může být v průběhu času různé. Země Evropské unie uplatňují různé přístupy k regionální politice a regionálním disparitám. Pro Českou republiku je nejvýznamnější přístup zemí středoevropského prostoru. Proto se v rámci našeho výzkumu zabýváme pojetím a přístupy v pěti sousedících zemích – Německu, Polsku, Slovensku, Maďarsku a Rakousku. Zatímco v Německu a Rakousku je hlavní váha intervencí přenesena na úroveň spolkových zemí, v Maďarsku, Polsku a na Slovensku ještě převládá centralizovaná exogenní orientace regionální politiky a to zejména proto, že finanční zdroje regionálního rozvoje pochází ve značné míře z unijního rozpočtu. Řešení regionálních disparit je ve všech analyzovaných zemích podtextem a původním východiskem regionální politiky, avšak v Rakousku a Německu je již kladen silný důraz na endogenní faktory rozvoje, zvyšování potenciálu regionů a nespoléhání se na realokaci národních nebo evropských zdrojů. Co říci úplně na závěr. Provedené analýzy prokázaly, že existence regionálních disparit je objektivním jevem, jehož specifickou stránkou je možnost nebo nemožnost ovlivňování jeho budoucího vývoje. Je zřejmé, že část disparit nelze ovlivňovat vůbec (zejména disparity fyzického charakteru). U ovlivnitelných disparit je vzhledem k jejich charakteru významné poznání, které z nich je žádoucí ovlivňovat a jakým směrem – jaký by měl být charakter vývoje disparity – konvergenční či divergenční. Rozdílnost pohledů na klasifikaci kritérií pro popis a analýzu regionálních disparit, které nabízí teorie i praxe, zakládá poměrně širokou bázi variant metodických přístupů k regionálním 9


Šilheřovice 2008

disparitám, jejich pojetí a vyjádření indikátory. To nás utvrzuje v názoru, že neexistuje pouze jeden objektivně správný postup. Je ale třeba brát v úvahu, že koncepty, které zejména v České republice a také v orgánech Evropské unie již získaly široký konsensus (Strategie udržitelného rozvoje ČR, Strategie regionálního rozvoje ČR, Národní strategický referenční rámec, Strategické obecné zásady společenství pro soudržnost EU, strukturální ukazatele EU atd.), jsou pro volbu systémové dekompozice disparit, ale zejména pro jejich dovedení do úrovně deskriptorů a indikátorů vhodným vodítkem.

LITERATURA [1]

AUFHAUSER, E., HERZOG, S., HINTERLEITNER, V. OEDL-WIESER, T., REISINGER, E. (2003). Grundlagen für eine „Gleichstellungsorientierte Regionalentwicklung“. Endbericht. Studie im Auftrag des Bundeskanzleramts , Abteilung IV/4. Wien: Institut für Geographie und Regionalforschung Universität Wien, 2003.

[2]

AMENDOLA, A. - CAROLEO, F.E. -COPOLLA,G. (2004): Regional Disparities in Europe. Discussion Paper Nr. 78. Salermo: Centro di Economia del Lavoro e di politica economica.

[3]

CUFFARO, M. - CRACOLICI, M.F. - NIJKAMP, P.: Measuring the Performance of Italian Regions on Social and Economic Dimensions, 2007.

[4]

EDERVEEN,S., NAHUIS,R., PARIKH,A.: Labour Mobility and Regional Disparities: The Role of Female Labour Participation. Discussion Paper No. 05-31. Utrecht School of Economics, 2005

[5]

FAZIO, G.; PIACENTINO, D.; VASSALLO E.: Regional Disparities and Public Policies in Italy: Some considerations in light of a performance analysis. ERSA conference paper No. 439 [online] dostupné na http://www.ersa.org, 2006

[6]

FELSENSTEIN, D., PORTNOV, B. A. (eds), Regional Disparities in Small Countries, (Advances in Spatial Science). 1st ed. Berlin:Springer, 2005. 333 s. ISBN: 3-54024303-8. LIPSHITZ, G.: Regional Disparities: The Canadian Case in the Theoretical Context. 1995 http://www.lib.unb.ca/Texts/CJRS/Fall95/lipshitz.htm MOLLE, W. European cohesion policy. 1st ed. Oxon:Routledge, 2007. 347 s. ISBN: 978-0-415-43812-4. REGIONAL DISPARITIES AND COHESION: What Strategies for the Future. Study. Brussels: European Parliament, 2007. SLOBODA, D.: Slovensko a regionálne rozdiely. Teórie, regióny, indikátory, metódy. Konzervatívny inštitút M.R. Štefánika, Bratislava, 2006.

[7] [8] [9] [10] [11]

TIEPOH, M.G.N. - DRESSLER, J. - BURNS, M.: 6. Regional Disparity. New Rural Economy Project, Phase 2. The Canadian Rural Revitalization Foundation, 2004.

[12]

VORAUER, K.: Europäische Regionalpolitik-Regionale Disparitäten. Münchener Geographische Hefte, 1997. ISBN 3-932820-01. WISHLADE, F., YUILL, D. (1997):

Measuring Disparities for Area Designation Purposes: Issues for the European Union. Regional and Industrial Policy Research Paper Number 24. [online]. Glasgow:

European Policies Research Centre, 1997. URL: http://www.eprc.strath.ac.uk/eprc/Documents/PDF_files/R24MeasDispforAreaDesigP urposes.pdf 10


Šilheřovice 2008

REGIONÁLNA KONVERGENCIA RESP. DIVERGENCIA NA POZADÍ TEORETICKÝCH KONCEPCIÍ 1 Prof. Ing. Milan Buček DrSc. Ing. Lukrécia Kováč Gerulová Abstrakt V príspevku sa zameriavame na vymedzenie teoretického rámca pre model regionálnej konvergencie a divergencie. Z normatívneho pohľadu chápeme konvergenčný proces ako proces rastový. Teoretický základ regionálnej konvergencie alebo divergencie vychádza zo Solowovho modelu rastu. Neoklasická teória vysvetľuje proces konvergencie na základe klesajúceho hraničného produktu kapitálu. Na druhej strane, polarizačné efekty v teórii polarizácie vedú k divergencii. Ostatné teórie umožňujú tak konvergenčný ako aj divergenčný vývoj. Väčšina empirických štúdií vychádza z neoklasickej teórie.

Kľúčové slová Neoklasická teória, Nová ekonomická geografia, Regionálna konvergencia, Regionálna divergencia, Teória endogénneho rastu

Abstract In the paper we focus on the theoretical framework of the regional convergence or divergence model.The convergence model is related to a growth process in the sense of normative description. The theoretical background of regional convergence or divergence is commonly based on the Solow growth model. The neoclassical theory explains the convergence process through decreasing marginal capital product. On the other hand the polarisation effects in the theory of polarisation lead to divergence. According to the remaining theories a convergence as well as a divergence process are possible. Most of the empirical studies of regional convergence stems from the neoclassical theory.

Keywords endogenous growth theory, neoclassical theory, new economic geography, regional convergence, regional divergence

Úvod V debatách o disparitách sa často mlčky vychádza z predpokladu, že samotné zoradenie sústavy ukazovateľov, ktoré majú k nerovnostiam nejaký vzťah je dostatočné k tomu, aby 1

Tento príspevok vznikol v rámci prác na projekte 6RP/6187/EU/08 Regional Trajectories to the Knowledge Economy: A Dynamic Model (EURODITE) a VV_MVTS1 211501 Endogénne kapacity regiónu pre rozvoj malých inovatívnych firiem.

1


Šilheřovice 2008

sme ich analyzovali. Pritom nejde iba o to, že väčšina takýchto sústav sa k takémuto meraniu iba viacej alebo menej nepresne približuje. Podľa toho, či vychádzame iba z jedného syntetického ukazovateľa (napr. HDP), alebo zostavíme sústavu ukazovateľov ekonomického charakteru ( a tu zase záleží, či sa jedná o ukazovatele produkcie, ale aj spotreby – napr. príjmy), alebo zahrnieme aj širšie neekonomické faktory disparít súvisiace s kvalitou života (životné prostredie, voľný čas, a pod.) je síce analýza precíznejšia, ale aj tak sa „neoslobodíme“ v prechode od analytického k normatívnemu prístupu od jej zaradenia do nejakého teoretického konceptu. To ale predpokladá, že v normatívnej polohe chápeme konvergenčný proces ako proces rastový, čo už tvorí premostenie medzi analyzovanými disparitami a spôsobmi ich eliminácie. Vzhľadom na veľký rozsah rastových koncepcií sa orientujeme v tomto príspevku iba na niektoré najfrekventovanejšie. Diskusia o vzťahu ekonomického rastu a konvergencie začala prácami Solowa a Myrdala koncom 50. rokov. Baumol (1986) tvrdil, že homogénne skupiny krajín konvergujú a heterogénne divergujú. Boom výskumu konvergencie nastal v 90.rokoch po článkoch Barra a Sala i Martina (1990, 1991, 1992) a Mankiwa, Romera a Weila (1992), ktoré vychádzali z neoklasickej teórie rastu a rozšírili predošlý výskum konvergencie o regionálny aspekt.Čiastočným vysvetlením tohto rozmachu je rastúca nespokojnosť počas 80. rokov vyplývajúca z toho, že regionálne disparity sa neznižovali tak rýchlo ako sa predpokladalo (Armstrong, 2002). Tieto práce nasledovali bezprostredne po nových rastových teóriách 80. rokov (teórii endogénneho rastu a novej ekonomickej geografie). Vytvoril sa tak súbor protichodných rastových teórií, ktoré vyzývali k ďalšiemu výskumu. Z teórií, ktoré vysvetľujú regionálny rast a tým aj mechanizmus procesu regionálnej konvergencie resp. divergencie, sme vybrali pre demonštráciu týchto procesov nasledujúce:     

Neoklasická teória Teória polarizácie Teória endogénneho rastu Nová ekonomická geografia Teória inovatívnych klastrov a učiacich sa regiónov

Neoklasická teória ( a teória podmienenej konvergencie) Za teoretický základ skúmania konvergencie sa berú väčšinou neoklasické modely ekonomického rastu. Až do polovice 80.rokov mal vedúce postavenie Solowov model (1956). Niektoré štúdie vychádzajú aj z modelu Mankiwa-Romera –Weila (1992). Solowov model ukazuje, ako klesajúce výnosy z kapitálu vedú ku konvergencii všetkých regiónov k „ustálenému stavu“. Základné predpoklady modelu sa dajú zhrnúť do niekoľkých bodov:    

Ekonomický rast je poháňaný technickým pokrokom a akumuláciou kapitálu, technický pokrok je exogénny, výrobný faktor práca je určený veľkosťou populácie, ktorá rastie exogénne danou mierou, z čoho vyplýva, že práca je tiež exogénna, zásoba kapitálu je určená investíciami a miera investícií je konštantná a exogénna, z čoho vyplýva, že produkt, investície a zásoba kapitálu budú rásť rovnakou dlhodobou mierou, 2




Šilheřovice 2008

výrobné faktory sú oceňované na základe hraničného produktu, ktorý klesá.

Na základe týchto predpokladov môžeme proces konvergencie vysvetliť nasledovne: Rozvinutejšie regióny rýchlejšie akumulujú kapitál, čo vedie ku klesajúcemu hraničnému produktu kapitálu a následne ku klesajúcim výnosom z kapitálu. Kapitál tak prúdi do regiónov s nedostatkom kapitálu, v ktorých má vyššiu cenu a dosahujú sa vyššie výnosy. Výrobný faktor pracovná sila zase migruje do rozvinutejších krajín, v ktorých sú vyššie mzdy. Mechanizmom vyrovnávania rozdielov vo výrobných faktoroch nastáva proces konvergencie regiónov v úrovni produkcie na obyvateľa. Neoklasická konvergencia nastáva výsledkom štyroch navzájom podporujúcich sa procesov: -

akumulácia kapitálu a klesajúce výnosy medziregionálna migrácia pracovnej sily mobilita kapitálu transfer technológií.

Dynamika Solowovho modelu naznačuje, že čím ďalej sa región nachádza od ustáleného stavu, tým rýchlejšie rastie. Kohézna politika podporuje konvergenciu investíciami na zvýšenie verejného kapitálu, čím zvyšuje produktivitu súkromného kapitálu, posúva ustálený stav a tým zvyšuje mieru rastu. Novšia neoklasická teória podmienenej konvergencie, tak ako tradičná neoklasická teória rastu, predpokladá konvergenciu rozdielov regionálneho HDP na obyvateľa. Má však niekoľko čŕt, ktorými sa od pôvodnej koncepcie odlišuje a ktoré majú význam pre empirický výskum (Armstrong, 2002): a) V štandardnom neoklasickom modeli rastu regióny konvergujú k jednému ustálenému stavu. Takáto konvergencia sa označuje ako absolútna ßkonvergencia. Východiskovým bodom je Solowov model rastu s CobbDouglasovou produkčnou funkciou: t Yt = K α (At Lt)1-α (1) kde Y označuje output, K kapitál, L prácu a A celkovú produktivitu faktorov. Úroveň dôchodku per capita v ustálenom stave y* je potom určená nasledovne: 

  1 s (2) y   A0 e gt   n  g    kde s označuje mieru investícií, g a n miery exponenciálneho rastu At a Lt (Islam, 2003). Všetky faktory rovnice (2) A0, s, g, n, δ, α by mali byť podľa konceptu nepodmienenej konvergencie rovnaké pre všetky krajiny. Empirické analýzy absolútnej konvergencie však často zlyhávajú a dôkazy o absolútnej konvergencii boli nájdené iba pre relatívne homogénne vzorky krajín, ako napr. OECD (Baumol, 1986). V skutočnosti sa krajiny rozlišujú vo faktoroch relevantných pre rast a každá krajina môže mať svoju ustálenú úroveň rastu. Tento poznatok viedol k modelom podmienenej konvergencie, v ktorých neexistuje len jeden ustálený stav, ale viacero. Regresné modely podmienenej konvergencie obsahujú tzv. podmienené premenné, ktorými sa zohľadňujú začiatočné rozdiely. Kvôli obmedzenosti štatistických údajov na regionálnej 3


Šilheřovice 2008

úrovni EÚ používa väčšina štúdií dva typy podmienených premenných, ktoré zaviedli Barro a Sala-i-Martin (1990, 1991, 1992): - Ukazovatele priemyselnej štruktúry na zachytenie ziskov produktivity z relokácie faktorov z poľnohospodárstva do priemyslu - Umelé premenné na národnej alebo regionálnej úrovni, ktoré nahrádzajú rôzne premenné, pre ktoré neexistujú disponibilné údaje b) Keďže regióny konvergujú k viacerým ustáleným stavom, hypotéza konvergencie môže platiť pre krajiny s relatívne podobnou začiatočnou situáciou a môžu sa tak vytvoriť tzv. konvergenčné kluby. c) Teória podmienenej konvergencie pripúšťa možnosť regionálnych asymetrických šokov, ktoré môžu viesť k obdobiam divergencie. Podľa Barra a Sala-i-Martina (1990) nastali dva asymetrické šoky, ktoré zväčšili rozdiely medzi štátmi USA, jeden po Veľkej hospodárskej kríze v 30. rokoch a druhý po ropných krízach v 70. rokoch. d) Malo by sa rozlišovať medzi regionálnymi rozdielmi v HDP na obyv. v určitom časovom bode a mierou znižovania rozdielov v čase. Rozdiely v časovom bode sa väčšinou merajú prostredníctvom neváženej štandardnej odchýlky medzi regiónmi (σ) a následné zmeny tejto hodnoty sa označujú ako σ –konvergencia. Používajú sa však aj iné metódy, ako variačný koeficient alebo Giniho koeficient. Miera znižovania rozdielov v čase sa väčšinou meria prostredníctvom ß-konvergencie. Mankiw, Romer a Weil (1992) zohľadnili v Solowovom modeli dve formy kapitálu (fyzický a ľudský). Úroveň dôchodkov v ustálenom stave je potom funkciou mier investícií do fyzického a ľudského kapitálu, podiely príjmov fyzického a ľudského kapitálu a príslušných odpisových mier. Ak sa predpokladá, že miery technického pokroku a odpisov sú medzi krajinami rovnaké, ustálený stav sa môže definovať z hľadiska miery úspor z fyzického a ľudského kapitálu a miery rastu populácie.

Teória polarizácie Hlavnými predstaviteľmi teórie polarizácie na regionálnej úrovni sú G.Myrdal, F.Perroux a A.Hirschman. Zatiaľ čo neoklasická teória predpokladá negatívnu spätnú väzbu, ktorá spôsobí vyrovnanie pôvodnej odchýlky v rozvoji regiónu, Myrdal2 hovorí o cirkulárnokumulatívnom procese, ktorý pôvodnú odchýlku zosilňuje. Pritom pripúšťa možnosť negatívnej aj pozitívnej spätnej väzby a proces konvergencie alebo divergencie závisí od toho, ktorá z väzieb preváži. Ak berieme do úvahy vzájomné interakcie systému regiónov, Myrdal aj Hirschman3 rozoznávajú dva protichodné efekty. Myrdal hovorí o rozširujúcich a sťahujúcich efektoch a Hirschman o presakujúcich a polarizačných efektoch. Rozširujúce resp. presakujúce efekty vedú k rozširovaniu pozitívneho rozvojového impulzu do susedných regiónov a sťahujúce resp. polarizačné efekty vedú k negatívnemu prejavu rozvojového impulzu na iné regióny. Podľa toho, ktoré z efektov prevýšia, nastane vyrovnávanie rozvoja regiónov (konvergencia) alebo prehĺbenie polarizácie (divergencia). Názory sa v tomto 2

Myrdal, G.: Economic Theory and Under-developed Regions. London: Duck- worth, 1957. Citované v: Meier (1998), s. 116. 3 Hirschman, A., O: The Strategy of Economic Development. New Haven, Conn.: Yale Univ. Press, 1958. Citované v: Meier (1998), s. 121.

4


Šilheřovice 2008

rôznia. Zatiaľ čo Hirschman predpovedá z dlhodobého hľadiska prevahu rozširujúcich (konvergenčných) efektov, Myrdal predpovedá divergenciu, ktorá bude navyše o to vyššia, o čo je región chudobnejší. Preto sa teória polarizácie zvykne zaraďovať medzi divergenčné teórie.

Teória endogénneho rastu V polovici 80.rokov sa prudko rozvinula nová teória rastu- teória endogénneho rastu. Teória endogénneho rastu rozširuje neoklasický prístup o priame zahrnutie technického pokroku. V neoklasickej teórii rastu je technický pokrok verejným statkom, exogénnou veličinou a jedinou veličinou, ktorá môže dlhodobo vyvolať ekonomický rast. V teórii endogénneho rastu sa technický pokrok stáva endogénnym a je teda sám o sebe určovaný rastovými procesmi. Efekty prelievania poznatkov majú za následok rastúce výnosy z akumulácie kapitálu, čo je hlavným rozdielom od neoklasických modelov. Modely endogénneho rastu tak nepotvrdzujú podmienenú konvergenciu, ale ani divergenciu. Väčšina teórií endogénneho rastu vychádza z Romerovho prístupu, v ktorom je technický pokrok vyjadrený prostredníctvom faktora ľudského kapitálu, t.j. veľkosti pracovnej sily v odvetví výskumu. Ľudský kapitál predstavuje podľa Romera (1986) externý efekt investícií, t.j. zvýšením investícií do fyzického kapitálu sa zvyšuje aj ľudský kapitál. Prírastok ľudského kapitálu zase zvyšuje produktivitu ostatných výrobných faktorov v produkčnej funkcii (práce a kapitálu). Technický pokrok teda nie je exogénne daný, ale závisí od veľkosti ľudského kapitálu. V produkčnej funkcii bude potom vyjadrený nasledovne (Armstrong, 2002): ΔA = δLλ A Aφ

(3)

kde A je rozsah technologických poznatkov, ΔA je technologická zmena v čase, LA počet pracovníkov v odvetví výskumu a δ, λ, φ sú parametre funkcie. Produktivita ľudského kapitálu vo výskume bude o to väčšia, o čo väčší bude rozsah technologických poznatkov. Technologické poznatky tak vytvárajú ďalšie technologické poznatky a vyvolávajú kumulatívny rast, ktorý v kontexte regionálneho rozvoja môže spôsobiť divergenčný proces (rýchlejší rast regiónu s väčším vybavením technologických poznatkov). Existuje viacero prístupov na zahrnutie technického pokroku do modelov, s rozdielnymi výsledkami. Vzhľadom na obmedzenia údajov vychádzalo iba málo štúdií z teórie endogénneho rastu.4

Nová ekonomická geografia Modely Novej ekonomickej geografie vychádzajú z prác Krugmana.5 Nová hospodárska geografia, na rozdiel od neoklasickej teórie, berie do úvahy dopravné náklady a pozitívne externality spojené so škálovými výnosmi (výnosmi z rozsahu produkcie) a lokalizačnými výhodami. Sektory s rastúcimi výnosmi z rozsahu stimulujú ku koncentrácii výroby do jedného miesta. V dôsledku nedokonalej konkurencie sú reálne mzdy v regiónoch s vyšším podielom týchto sektorov vyššie. To spôsobí prílev mobilnej pracovnej sily a kumulatívny 4

Napr. Cheshire, P., Carbonaro, G.: Urban Economic Growth in Europe: Testing Theory and Policy Prescriptions, Urban Studies, 33, 1111-1128, 1996. Citované v: Armstrong (2002). 5 Krugman, P.: Scale economics, product differentiation and the pattern of trade. In: American Economic Review 70, 950–959, 1980. Citované v: Armstrong (2002), Krugman (1991).

5


Šilheřovice 2008

proces aglomeračných efektov (napríklad ľahký prístup k trhom, kvalifikovanej pracovnej sile a k novým vedomostiam). Výsledkom môže byť vznik priestorového modelu jadro - periféria. Existuje aj druhá vetva modelov, tzv. modely vertikálne-prepojených podnikov,6 ktorá neprisudzuje divergenciu mobilnej pracovnej sile, ale výrobcom medziproduktov. Vedúci región má výhody nákladových úspor z úzkych input- output prepojení, čím priťahuje výrobcov medziproduktov. Podľa novej ekonomickej geografie však divergencia nemusí nutne nastať. Okrem dostredivých síl pôsobia v regióne aj odstredivé sily, pričom ich rovnováha sa mení so znižovaním dopravných nákladov. Podľa modelu Krugmana a Elizonda (1996) sa rastom integrácie znižujú dopravné náklady a výnosy z rozsahu sa dajú využívať aj na vzdialenejších miestach. Vyššia cenová konkurencia v jadre zmrazuje mzdy a spôsobuje odliv pracovnej sily do periférie. Regionálny proces tak nadobúda tvar U od rozptýlenia sektora s rastúcimi výnosmi z rozsahu k jeho koncentrácii (divergencia) a k spätnému rozptýleniu (konvergencia). To ale neznamená automatický prechod ku konvergencii. V prípade existencie určitých bariér mobility pracovnej sily (či už geografických, jazykových, kultúrnych alebo inštitucionálnych) sa proces ustáli vo fáze koncentrácie a regionálne disparity sa budú prehlbovať.

Teória inovatívnych klastrov a učiacich sa regiónov Niektoré z teórií, ktoré sme doteraz uviedli, predpokladajú divergenciu v dôsledku vzniku geografických klastrov. Post-fordistická literatúra sa venuje rôznym typom nových industriálnych distriktov, teória spoločenského kapitálu predpovedá vznik klastrov malých a stredných podnikov a nová hospodárska geografia a modely exportnej konkurencieschopnosti tiež prisudzujú dôležitú úlohu industriálnym klastrom. Novšími prístupmi sú prístupy inovačných (high-tech) klastrov alebo učiacich sa regiónov. Tieto prístupy vychádzajú skôr z empírie. High-tech clustre sa môžu považovať za osobitnú formu industriálnych distriktov. Rozdiel medzi nimi je taký, že región s inovatívnymi klastrami sa stal učiacim sa regiónom. Hlavnými predpokladmi inovatívnych clustrov je akumulácia dobrých lokálnych vedomostí, interakcia firiem navzájom a s lokálnymi verejnými inštitúciami, vytváranie nových malých a stredných podnikov a technologicky špecializovanej pracovnej sily. Tieto predpoklady podporujú rast regiónu a, podobne ako u iných foriem „klastrovania“, divergenčné tendencie. Na základe charakteristiky jednotlivých teórií môžeme vidieť, že rozdielne teórie rozdielne vysvetľujú proces konvergencie. Ich zhrnutie obsahuje tab.1. Niektoré prístupy, najmä neoklasický, poskytujú dôvod pre konvergenciu kvôli klesajúcemu hraničnému produktu kapitálu. Teória polarizácie, modely exportnej konkurencieschopnosti a prístup učiacich sa regiónov zase naznačujú v dlhodobom ponímaní divergenciu. Ostatné teórie nemajú jasný záver, pričom proces konvergencie a divergencie závisí od špecifických hospodárskych alebo iných podmienok.

6

Krugman, P.,Venables, A.: Integration, specialisation and adjustment. In: European Economic Review, 40, pp. 857-880, 1996. Citované v: Armstrong (2002).

6


Šilheřovice 2008

Tabuľka č. 1: Teoretické koncepcie vo vzťahu ku konvergencii/divergencii Teória – koncepcia

Dôvody pre divergenciu

Klesajúci hraničný produkt kapitálu je dôvodom konvergencie

Neoklasická

Teória polarizácie

Teória endogénneho rastu

Nová geografia

Dôvody pre konvergenciu

ekonomická

Učiace sa regióny

Dominancia polarizačných efektov spôsobuje divergentný proces. Pozitívne externality spojené s technologickými poznatkami môžu spôsobiť konvergenčný aj divergentný rozvojový proces.

Konvergencia alebo divergencia bude závisieť od kombinácie odstredivých a dostredivých síl. (napr. v závislosti od výšky dopravných nákladov, Existencia inovatívnych (hightech) klastrov v regióne vyvolá divergenčný proces.

Zdroj: spracované na základe Eckey, Türck (2007), Armstrong (2002), Maier, Toedling (1998) a autormi.

Záver Možno plne súhlasiť s Armstrongom (2002), ktorý sa snažil preskúmať, ktorá z teórií je najvhodnejšia na vysvetlenie empirických údajov majúcich vzťah ku konvergencii a ako zosúladiť teóriu s empíriou. Neprichádza pritom k jednoznačnému záveru. Tvrdí, že veľký počet modelov je formalizovaných a zostáva to na navrhovateľoch iných modelov, aby vyvinuli vhodné metódy a poskytli presvedčujúce dôkazy o ich vhodnosti nahradiť doteraz používané modely, napr. neoklasický model podmienenej konvergencie. Kritizuje skutočnosť, že väčšina empirických štúdií, ktoré skúmajú konvergenciu a divergenciu, vychádzajú z neoklasickej teórie. Od jeho kritiky v roku 2002 sa síce väčšina aplikácií opiera o neoklasický koncept (Eckey, Turck, 2007), v ostatnom období predsa len sa objavujú aj aplikácie založené na iných teoretických koncepciách. Rôznorodosť výsledkov však pri často protichodných konceptoch ani tak veľmi neprekvapuje, ale je faktom, že ani neuľahčuje precíznejšie závery o konvergenčných procesoch.

Literatúra 1) Abreu, M., de Groot, H.L.F., Florax, .J.G.M. (2005): A Meta-Analysis of BetaConvergence The Legendary 2%. In: Journal of Economic Surveys, 19, 389-420. 2) Armstrong, H.W. (1995): Convergence among Regions of the European Union 19501990, Papers on Regional Science, 74, 143-152. 7


Šilheřovice 2008

3) Armstrong, H.W.: European Union Regional Policy: Reconciling the Convergence and Evaluation Evidence. In: Cuadrado-Roura, J.R., Parellada, M.(eds.): Regional Convergence in the European Union. Facts, Prospects and Policies. Berlin et al.: Springer-Verlag, 231-272, ISBN: 3-540-43242-6. 4) Barro, R.J., Sala-i-Martin, X.(1990): Economic Growth and Convergence across the United States.Working Paper Series of the National Bureau of Economic Research, 3419, New York. 5) Barro, R.J., Sala-i-Martin, X.(1991): Convergence across States and Regions. In: Brookings Papers on Economic Activity, 1, 107-182. 6) Barro, R.J., Sala-i-Martin, X.(1992): Convergence. In: Journal of Political Economy, 100, 223-251. 7) Baumol, W.J. (1986): Productivity Growth, Convergence and Welfare: What the LongRun Data Show. In: American Economic Review, 76, pp. 1072-1085. 8) Buček, M. a kol. (2006): Regionálny rozvoj: novšie teoretické koncepcie. Bratislava: Vydavateľstvo Ekonóm, 270 s., ISBN 80-225-2151-5. 9)

Eckey, H.F., Türck, M. (2007): Convergence of EU-Regions. A Literature Report. In: Investigaciones Regionales n.10, 5-32, ISSN: 1695-7253.

10) Fujita, M., Krugman, P. (2004): The New Economic Geography. Past, Present and Future, Papers in Regional Science, 83, 139-164. 11) Islam, N. (2003): What have we learnt from the convergence debate?, Journal of Economic Surveys, 17, 309-362. 12) Krugman, P. (1991): Increasing Returns and Economic Geography, Journal of Political Economy, 99, 483-499. 13) Maier G., Toedling F. (1998): Regionálna a urbanistická ekonomika 2. Bratislava: Elita. Bratislava. 14)

MALINOVSKÝ, J. – SUCHÁČEK, J. (2006): Velký anglicko-český slovník regionálního rozvoje a regionální politiky EU. Ostrava: OFTIS. 956 str.

15) Mankiw, N.G., Romer, D., Weil, D.N. (1992): A Contribution to the Empirics of Economic Growth, Quarterly Journal of Economics, 107, 407-437. 16) Romer, P.M. (1986): Increasing Returns and Long-Run Growth, Journal of Political Economy, 94, 1002-1037. 17) Solow, R.M. (1956): A Contribution to the Theory of Economic Growth, Quartely Journal of Economics, 70, 1, 65-94.

8


Šilheřovice 2008

DISPARITY A REGIONÁLNÍ ROZVOJ V ZEMÍCH STŘEDNÍ EVROPY Doc. Ing. Karel Skokan, Ph.D.

Abstrakt Sniţování regionálních disparit v sociálně ekonomickém rozvoji patří k základním cílům tradičních regionálních politik. Příspěvek prezentuje dílčí závěry výzkumu regionálních disparit ve vybraných zemích středoevropského prostoru, a to Německa, Rakouska, Maďarska, Polska a Slovenska. Po uvedení do regionální struktury a charakteristik základních regionálních rozdílů jsou nastíněny základní přístupy k regionální politice orientované na sniţování disparit v těchto zemích.

Klíčová slova Regionální struktura, Regionální disparity, Regionální politika.

Abstract The main objectives in traditional regional policies are focused to the reduction of regional disparities in socio-economic development. The paper presents the outcomes of the research of regional disparities in the countries of Central Europe, mainly Austria, Germany, Hungary, Poland a Slovakia. At first the regional structure and main regional disparities of selected countries are introduced. Then the disparities-based approach to regional policy in these countries is outlined.

Keywords Regional structure, Regional disparities, Regional policy.

Úvod Mezinárodní srovnávání disparit na národní i regionální úrovni se provádí pro různé účely v rámci mezinárodních organizací jako jsou např. OECD, Světová banka apod. V rámci Evropské unie se pravidelně hodnotí nerovnosti v rozvoji států a regionů pro potřeby politiky soudrţnosti nebo pro potřeby hodnocení dosahování cílů konkurenceschopnosti EU zejména ve Zprávách o ekonomické a sociální soudrţnosti. Východiskem jsou jednak navrţené účelové systémy ukazatelů, mezi které patří v rámci EU např. systém strukturálních ukazatelů (Eurostat, 2008), jednak data nadefinovaných regionálních ukazatelů sledovaná jak v národních statistikách, tak také v rámci Evropského statistického úřadu - Eurostatu. Podrobně byly národní nebo regionální disparity v období 2000 aţ 2006 analyzovány a vyhodnocovány také ve studiích připravovaných v rámci projektu ESPON, který je zaměřen na územní hledisko rozvoje EU (ESPON, 2004) a pokračuje také v současném plánovacím období.

1


Šilheřovice 2008

Jedním z hlavních cílů od počátků evropské integrace v 50. letech minulého století je zajistit, aby v rámci Společenství docházelo ke konvergenci mezi bohatými a chudými zeměmi a regiony. Prostředkem se stala politika soudrţnosti podporovaná strukturálními fondy EU. V současném programovacím období 2007 – 2013 zahrnuje tato politika mimo jiné cíl Konvergence pro vybranou skupinu méně vyspělých zemí (a tedy i regionů) a cíl Konkurenceschopnosti a zaměstnanosti pro skupinu vyspělejších zemí a regionů. Politika soudrţnosti je vyvolána právě existencí disparit mezi zeměmi, regiony a sociálními skupinami a jejím hlavním cílem je tyto disparity redukovat. Velikost, struktura a úroveň disparit vyjádřena prostřednictvím vybraných ukazatelů je dokonce mírou či měřítkem soudrţnosti. Soudrţnost se dá vyjádřit takovou úrovní rozdílnosti mezi státy, regiony nebo skupinami, které jsou politicky a společensky snesitelné (Molle, 2007). Čím niţší jsou tyto rozdílnosti, tím je vyšší úroveň soudrţnosti. V současné době se rozlišují v dokumentech EU tři úrovně soudrţnosti: hospodářská, sociální a územní. Přijmeme-li tezi, ţe disparity jsou výrazem úrovně soudrţnosti, pak můţeme hovořit o ekonomických, sociálních a územních disparitách. Ekonomické disparity jsou odrazem úrovně ekonomické soudrţnosti, která není jednoznačně definována a často bývá vysvětlována podle kontextu, v jakém je pouţita. Za hlavní a integrující ukazatel ekonomických disparit se pokládá hrubý domácí produkt (HDP) na obyvatele. Sociální disparity se týkají vyváţené účasti různých skupin na společenském ţivotě. Sociální soudrţnost převládá, pokud disparity v řadě sociálních ukazatelů jsou politicky udrţitelné. Zaměřuje se na dosaţení cílů v nezaměstnanosti, úrovni vzdělání, sociálním vyloučení různých skupin, v demografických trendech v rámci EU apod. Územní disparity jsou často odrazem nerovností ve vybavení území faktory, které postupně vedou k asymetrické distribuci fyzického a lidského kapitálu. Pro vyjádření územních rozdílů se kromě pojmu disparita často pouţívá pojem územní nerovnováha. Existují rozdíly mezi periférií a centrem pokud jde o obyvatelstvo, bohatství, přístup ke sluţbám obecného zájmu, k dopravě, energii, telekomunikacím a informační společnosti nebo pokud jde o výzkum a kapacity pro inovace. Tyto rozdíly nelze ignorovat, protoţe ovlivňují celkovou konkurenceschopnost ekonomiky EU. Územní disparity se pak mohou projevit v tzv. konektivitě území na hlavní dopravní sítě (silniční, ţelezniční, letiště apod.) nebo v intenzitě vývoje a výzkumu v daném území vyjádřené jak počtem a strukturou organizací vědy a výzkumu a institucí poskytujících střední a vysokoškolské vzdělání, tak i pomocí počtu výstupů vědy a výzkumu (publikačních, patentů apod.). Řešení regionálních disparit v jednotlivých zemích je součástí různých přístupů a politik s hlavním důrazem na politiku regionální. Článek představuje hlavní výstupy výzkumné studie Regionální disparity v mezinárodním srovnání řešené v rámci výzkumného úkolu WD-55-07-1 Regionální disparity v územním rozvoji ČR – jejich vznik, identifikace a eliminace (Skokan a kol. 2008). V další části článku je nejprve v následující kapitole představen náhled na základní vybrané disparity vybraných zemí středoevropského prostoru se zastoupením ukazatelů pro ekonomické, sociální i územní disparity a pak následuje kapitola, která shrnuje národní přístupy k řešení disparit v těchto státech.

2


Šilheřovice 2008

Náhled na regionální disparity ve vybraných zemích Za referenční země byly v souladu se zadáním výzkumu vybrány země sousedící s Českou republikou, tj. Německo, Rakousko jako představitelé EU 15 a Maďarsko, Polsko a Slovensko jako představitelé nových členských států EU. Z hlediska srovnávání přístupů k řešení disparit nepředstavují země na jedné straně optimální vzorek, protoţe se jedná o země různé velikosti a různé úrovně ekonomického rozvoje, na druhé straně jejich různorodost poskytuje moţnost seznámit se s variantním přístupem k řešení problematiky. Hlavní rozdíly u hodnocených zemí se projevují jak v regionální struktuře, tak i v rozsahu regionálních disparit. Při popisu regionální struktury budeme vycházet z obecné klasifikace regionů NUTS pouţívané Eurostatem. Pro srovnání jsou pak ještě v této kapitole uvedena data pro Českou republiku, která však nebude zatím dále analyzována. Regionální strukturu jednotlivých zemí přehledně popisuje následující tabulka.

Tabulka č. 1: Regionální struktura vybraných zemí Stát

Německo Rakousko Maďarsko Polsko Slovensko Česko

NUTS 1

NUTS 2

NUTS 3

Spolkové země (16) s vlastní rozhodovací pravomocí Velké regiony (3)

Vládní obvody (39)

Okresy (429)

Spolkové země- základní správní (9) Uměle vytvořené regiony (7)

Politické nebo soudní okresy (35)

Tzv. velké regiony (3) Regiony sloţené z několika vojvodství (6) Celé území Slovenska (1) Celé území České republiky (1)

Vojvodství – samosprávné administrativní celky (16) Regiony i uměle vytvořené spojením krajů (4) Regiony soudrţnosti uměle vytvořené spojením krajů (8)

Ţupy – základní samosprávné administrativní regiony (kraje) Subregiony – uměle vytvořené spojením několika okresů Kraje jako základní samosprávné celky (8) Kraje jako základní samosprávné celky (14)

Zdroj: vlastní zpracování

Jestliţe v rámci politiky soudrţnosti EU se pouţívá srovnávání a hodnocení regionálních disparit na úrovni NUTS2 regionů, přehled uvedený v Tabulce č. 1 signalizuje srovnávání nesrovnatelného. Na řešení disparit v endogenních přístupech k regionální politice mají největší vliv rozhodovací pravomoci přiřazené jednotlivým úrovním regionů, které se v omezeném analyzovaném vzorku podstatně liší. Zatímco v Německu je to úroveň NUTS1, v Rakousku a Polsku je to úroveň NUTS2, pak v Maďarsku a na Slovensku je to úroveň NUTS3, v Česku aţ na 3 výjimky také NUTS3. Jako představitelé regionálních disparit byly zvoleny následující ukazatele. Pro ekonomické disparity ukazatel HDP na obyvatele v PPS přepočteny na % pro EU27=100 (2005). Pro sociální disparity ukazatel regionální nezaměstnanosti v % (2007) a pro disparity v podpoře inovací, které můţeme přiřadit k územním disparitám ukazatel výdajů na VaV jako procento HDP (GERD, 2005). Všechna data byla získána z databáze Eurostatu. Přehled ukazatelů uvádí Tabulka č. 2.

3


Šilheřovice 2008

Tabulka č. 2: Regionální disparity ve vybraných zemích Stát

HDP/obyv. (PPS)

Nezaměstnanost

GERD

EU27=100 (2005)

(%, 2007)

(% HDP/VaV, 2005)

Stát

Regiony

Stát

Regiony

Stát

Regiony

115,2

78,3-202,1

8,6

4,90-17,40

2,48

1,13-4,19

Rakousko

128,8

88,7-177,6

4,4

2,80-8,30

2,222)

0,50-3,40

Maďarsko

64,3

40,9-104,9

7,4

4,70-12,3

0,94

0,31-1,37

Polsko

51,3

35,0-57,0

9,6

8,30-12,7

0,57

0,08-1,10

Slovensko

60,6

43,1-147,9

13,4

4,30-15,3

0,51

0,28-0,88

Česko

76,6

59,8-160,3

5,3

2,40-9,50

1,41

0,25-2,77

Německo

1)¨

1)

NUTS 1,

2)

Rok 2004

Zdroj: Eurostat, Regional Statistics, 10-2008

Pro kaţdý stát je uvedena hodnota ukazatele na národní úrovni a pak nejniţší a nejvyšší ukazatel v regionu. Ve skupině ukazatele HDP/obyvatele jsou největší regionální rozdíly vykazovány na Slovensku a nejmenší v Polsku, poměrně velké rozdíly vykazují v úrovni regionů také Německo a Rakousko. Ve skupině ukazatele nezaměstnanosti vykazuje překvapivě nejvyšší regionální rozdíly Česká republika, i kdyţ patří k zemím s malou nezaměstnaností, následovaná Slovenskem a Německem. V poslední skupině ukazatele GERD v regionálních rozdílech bezkonkurenčně vede Polsko následované Českem. U obou států jsou rozdíly v regionálních výdajích na VaV více jak desetinásobné. Je zřejmé, ţe i uvedené příklady regionálních disparit vyţadují jejich řešení v přístupech regionální politiky i v regionálním chápání sektorových politik.

Přístupy k řešení regionálních disparit ve vybraných zemích Jak jiţ bylo uvedeno v předchozí kapitole, způsob řešení regionálních disparit ovlivňuje jednak regionální úroveň se samosprávnou působností, jednak úroveň centralizace řízení regionální politiky. V dalším textu proto bude provedeno shrnutí přístupu v jednotlivých zemích

Řešení regionálních disparit v Maďarské republice Regionální politika Maďarska a její vývoj byl v posledních letech úzce spjat s procesem přípravy na vstup do Evropské unie. Během první poloviny 90. let 20. století neexistoval zřetelně specifikovaný koncept nebo strategie regionální politiky a regionálního rozvoje. Změna celkového konceptu a harmonizace rozvojových úsilí mezi různými ministerstvy a dalšími státními orgány přišla v roce 1996 s novou legislativou a národní politikou, kdy byl přijat Zákon o regionálním rozvoji a územním plánování. Zákon určil pravidla a úkoly regionální rozvojové politiky a územního plánování na národních a regionálních úrovních.

Národní regionální rozvojová koncepce přijatá parlamentem v roce 1998 představila koncept statistických a plánovacích regionů (na úrovni NUTS 2) a mikroregionů (úroveň NUTS 4) a jiţ dříve existující krajů (úroveň NUTS 3). Při vyuţití dostupných indikátorů regionálních rozvoje můţeme v Maďarsku definovat tři základní typy znevýhodněných regionů (mikroregionů), jeţ

4


Šilheřovice 2008

jsou pro identifikaci regionálních disparit Maďarska prioritní (Szalo, 2002): regiony s celkovým sociálně-ekonomickým znevýhodněním; regiony, jenţ potřebují průmyslovou restrukturalizaci; regiony s potřebou zemědělského a venkovského rozvoje. Koncepce stanovila následující strategické cíle (HU_Concept, 1998):  sniţovat (doslova zmírňovat) regionální disparity;  sniţovat nadměrnou koncentraci aktivit v okolí hlavního města Budapešti;  podporovat prostorovou difuzi inovací;  podporovat rozvojovou politiku, která zaručí udrţitelné vyuţívání zdrojů;  podporovat mezinárodní integraci a připravovat se na vstup do EU.

Hlavním posláním a globálním cílem politiky regionálního rozvoje a politiky v Maďarsku je, obdobně jako v ostatních členských zemích EU, úsilí o sniţování regionálních disparit. Důraz je kladen na ekonomické a sociální disparity v regionech. Podstatné jsou regionální disparity v ekonomice vyjádřené ukazatelem HDP/obyvatele mezi NUTS2 regiony a situace je horší mezi mikroregiony (NUTS 4). Regionální disparity se sledují dále zejména v oblastech přímých zahraničních investic, podnikání, průmyslové výroby, zaměstnanosti a nezaměstnanosti, úrovni systému vzdělávání, sociálních, zdravotních a dalších veřejných sluţeb, infrastruktury atd. Důraz na řešení disparit je i v základním dokumentu pro podporu regionální politiky s vyuţitím strukturálních fondů, tj. v Národním strategickém referenčním rámci (HU_NSRF, 2007). Podle současné situační analýzy existují v Maďarsku podstatné a rostoucí disparity a prioritou regionální politiky je nadále sniţovat regionální a strukturální disparity v regionech a mikroregionech. Hovoří se doslova o duální struktuře maďarské ekonomiky, která se rozvíjí a modernizuje, na druhé straně se v ní prohlubují regionální disparity.

Řešení regionálních disparit ve Spolkové republice Německo Regionální politika Spolkové republiky Německo je součástí hospodářské politiky Německa. Je orientována na hospodářský růst a mobilizaci růstového potenciálu. Primárním cílem regionální politiky v rámci celospolečenských úkolů je, aby strukturálně slabé regiony mohly dosáhnout, zapojením do hospodářského rozvoje, vyrovnání jejich nevýhodného postavení a aby došlo ke sníţení regionálních rozdílů v rozvoji. K tomu regionální politiku doplňuje vyrovnaná růstová politika a politika zaměstnanosti, inovací a vzdělávání. Má přispívat k celkovému hospodářskému růstu strukturálně slabých regionů, k vytváření trvalých a konkurenceschopných pracovních míst. Počátky regionální politiky v Německu sahají do 70. let 20. století. Od této doby je prováděna cílená podpora znevýhodněných regionů pro vylepšení nepříznivé situace ve strukturálně slabých oblastech země. Německo, jako členský stát Evropské unie, samozřejmě vyuţívá kromě nástrojů národní regionální politiky i moţnosti podpory ze SF EU v rámci politiky hospodářské a sociální soudrţnosti (HSS) EU. Dochází tedy ke kombinování obou politik – národní i unijní, a proto je při realizaci regionálně-politických opatření v zemi vyuţíváno jak prostředků z národních programů, tak i programů EU. Obecně můţeme vypozorovat postupný přesun od nástrojů národní regionální politiky k nástrojům politiky HSS EU, ale zároveň je patrný i pokles finančních prostředků ze SF EU do SRN z důvodu rozšiřování EU. Regionální ekonomická podpora je podle německé ústavy věcí jednotlivých spolkových zemí. Spolek (federace) má v rámci celospolečenské úlohy „zlepšení regionální hospodářské

5


Šilheřovice 2008

infrastruktury“ vliv na rámcové plánování a podílí se na spolufinancování. Konkrétní provádění regionálních opatření je zcela v rukou jednotlivých zemí. Ty samy provádějí výběr podpůrných rozvojových projektů a provádějí jejich schvalování a přidělování prostředků. Spolkové země si samy stanovují své priority podle povahy a intenzity konkrétních regionálních problémů. Regionální rozdíly v Německu existují hlavně mezi jeho východní a západní části a jsou zapříčiněny zejména rozdělením Německa po druhé světové válce. Současná regionální politika Německa koordinovaná na úrovni spolkové vlády se hlásí k problematice řešení regionálních disparit v Národním strategickém referenčním rámci pro období 2007-2013 (DE_NSRF, 2007). Pro regiony cíle Regionální konkurenceschopnost a zaměstnanost je stanovena priorita sníţení disparit mezi regiony a optimalizace specifického regionálního potenciálu pomocí udrţitelných rozvojových programů. Důraz je kladen na disparity jek mezi regiony, tak i v rámci regionů, současně je však zdůrazněna podpora rozvojového potenciálů regionů. Disparity jsou vyhodnocovány zejména na ekonomické úrovni, nezaměstnanosti, výdajů na výzkum a vývoj. Spolková republika Německo klade jako celek značný důraz na vyváţený regionální rozvoj. Vývoj regionálních ukazatelů Německa koresponduje se současnou hospodářskou situací, východoněmecké regiony patří k těm méně vyspělým – jejich ekonomická úroveň se pohybuje kolem 80 % průměru EU 27 (na úrovni NUTS 1).

Řešení regionálních disparit v Polské republice Současná regionální politika v Polsku je zaloţena na modelu inter a intra regionální politiky. Elementární principy, cíle a směry regionálního rozvoje země (interregionální politika) pro nejméně příštích 7 let jsou obsaţeny v Zákoně o zásadách realizace rozvojové politiky z 6. ledna 2006. Detailně jsou jednotlivé oblasti této politiky potom rozpracovány Ministerstvem regionálního rozvoje v dokumentu nazvaném Strategie rozvoje země 2007-2015, která je základním nástrojem regionální politiky v Polsku (PL_STRAT, 2006). Podle této strategie je státní regionální politika nejdůleţitějším nástrojem vládní hospodářské politiky, která spojuje a koordinuje řadu státních sektorových aktivit s opatřeními na úrovni regionů. Jejím cílem je provádění strukturálních změn v ekonomice, modernizace a zvyšování konkurenceschopnosti polských vojvodství. Má podporovat vyrovnávání rozvojových příleţitostí problémových regionů a vytvářet vnitřní potenciál regionů pro jejich moţná dlouhodobý rozvoj. Regionální politika klade důraz na endogenní rozvoj přednostně na základě vnitřních rozvojových faktorů a nejen na externí redistribuci příjmů. Jejím cílem je iniciovat permanentní rozvojové procesy v regionech. Strategie rozvoje země 2007-2015 zabezpečuje provázanost národní regionální politiky s regionální politikou Evropské unie a také s ostatními odvětvovými politikami ovlivňujícími rozvoj území. Na jejím základě byl ve vzájemné součinnosti Ministerstva regionálního rozvoje a Evropské komise (DG for Regional Policy) zpracován Národní strategický referenční rámec na léta 2007-2013, ve kterém jsou obsaţeny jednotlivé národní či regionální operační programy (PL_NSRF, 2007). Na úrovní regionů je realizována regionální politika (intraregionální politika), v souladu se zákonem ze dne 5. června 1998 o samosprávě vojvodství, nejvyššími samosprávnými orgány vojvodství. Strategii rozvoje vojvodství schvaluje příslušné volené zastupitelstvo tohoto

6


Šilheřovice 2008

samosprávného celku, přičemţ její realizace je zabezpečována prostřednictvím vojvodských programů (programy wojewódzkie). Mimo těchto ryze regionálních programů financovaných z rozpočtů jednotlivých vojvodství, hraji v regionální politice těchto samosprávných územních celků na úrovni NUTS 2 důleţitou roli i finanční zdroje z Evropské unie. Základním instrumentem realizace regionálních operačních programů jsou tzv. vojevodské kontrakty. To je dohoda (smlouva) uzavřena mezi vedením (úřadem) vojvodství a příslušným program garantujícím ministrem polské vlády, která stanoví zásady a podmínky spolufinancování daného operačního programu. Obdobně jako je tomu v České republice, mohou i v Polsku vstupovat do regionální politiky svými aktivitami i města a obce. Jejich působení je však vzhledem k disponibilním nástrojům a finančním prostředkům pouze okrajovou záleţitostí. Ze tří typů disparit, se kterými se v polské regionální literatuře běţně setkáváme, jsou v centru pozornosti polských výzkumných a odborných pracovišť v této oblasti disparity ekonomického a sociálního charakteru.

Řešení regionálních disparit v Republice Rakousko Regionální politika je v Rakousku organizována na federální (spolkové) úrovni a na úrovni spolkových zemí. Řízení regionální politiky na federální úrovni zajišťuje v Rakousku spolkové kancléřství, které odpovídá za hospodářskou koordinaci v rámci celkové vládní politiky, obecné otázky ekonomického rozvoje a ekonomického výzkumu, obecné záleţitosti týkající se členství Rakouska v EU a koordinaci v oblasti plánování a regionální politiky na spolkové úrovni a úrovni spolkových zemí. Koordinační funkcí a zapojení subjektů podílejících se praktickém provádění regionálního rozvoje zajišťuje ÖROK (Österreichische Raumordnungskonferenz - Rakouská konference prostorového plánování). Jednou z oblastí, kterou ÖROK nepokrývá a která má velký význam pro regionální rozvoj, jsou technologie a podpora inovací. Protoţe tato oblast není přímo zahrnuta do regionální politiky, je tato činnost zařazena do programů koordinovaných federálním ministerstvem dopravy, inovací a techniky. Základní kompetence v oblasti regionální a hospodářské politiky spolkových zemí byly v posledních letech posíleny novými aktivitami v oblasti technického rozvoje a inovací. Moderní rakouská regionální politika se silně zdůrazňuje systémový a inovačně orientovaný přístup, který vychází z přenechání odpovědnosti za návrh politiky a její realizace spolkovým zemím. Přestoţe sniţování regionálních disparit zůstává obecně hlavním problémem, nemá se uţ jeho řešení dosahovat primárně transferem finančních zdrojů do regionu, ale prostřednictvím strukturálních a inovačních opatření a rozvojovými programy. Regiony samy mají nést odpovědnost za dlouhodobé rozvojové cíle. V platné koncepci regionálního rozvoje (ÖROK, 2002) se vychází z obecného cíle vyrovnání regionálních a sociálních disparit v celé Evropě. Zdůrazňují se také prostorové rozdíly v ţivotních podmínkách, v sociální vybavenosti, v kvalifikaci a vzdělávání, v dopravní obsluţnosti a přístupu k informacím.

7


Šilheřovice 2008

V rámci odborné literatury není však kladen důraz přímo na problematiku regionálních disparit a jejich analýzu, ale regionální disparity jsou důvodem realizace regionální politiky. Mezi hlavní principy současné regionální politiky Rakouska patří (Aufhauser et al., 2003): 

Regiony uţ nejsou primárně chápány jako administrativně vyčleněná území, ale jako sociálně vytvořené systémy strukturované podle sociálně-ekonomických interakcí v prostoru. Základní otázkou regionální politiky je pokrytí aktivit pro intra- a interregionální spolupráci a partnerství.



Regionální hospodářská politika je stále méně zaměřena jen na řešení regionálních problémů a stále více na rozvojový potenciál na úrovní regionu. Netýká se jen tzv. problémových regionů, ale všech regionů.



Regionální politika se více zaměřuje na moţnosti regionální specializace s vyuţitím výrobních faktorů a inovačního potenciálu.

Po velmi dlouhou dobu byla rakouská regionální politika charakterizována zejména aktivitami spolkového kancléřství a dalších spolkových ministerstev. Během několika posledních let se podpora regionálních ekonomických aktivit rozšířila na úroveň spolkových zemí, případně měst a obcí. Zatímco hlavní důraz na sniţování disparit mezi centrem a periférii byl poloţen v 60. a 70. letech, koncem minulého století převládla orientace na endogenní rozvoj, rozvoj potenciálu regionů, regionální inovace a regionální management a poradenství. Přesto v posledních dokumentech rakouské regionální politiky pro období 2007-2013 s vyuţitím strukturálních fondů EU se opět objevuje přihlášení ke sniţování regionálních disparit (STRAT.AT, 2007). Hovoří se o vyrovnání hospodářských regionálních disparit a o polycentrickém rozvoji. Přitom disparity jsou zdůrazněny zejména z hlediska dostupnosti, zaměstnanosti, méně z hlediska výkonnosti ekonomiky (HDP/obyvatele), kde na úrovni NUTS2 dochází k jejich sniţování, rozdíly však zůstávají na vyšších úrovních NUTS3.

Řešení regionálních disparit ve Slovenské republice Vznik a rozvoj regionální politiky na Slovensku je úzce spjat s obdobím před a po vstupu země do EU. Specifickým znakem regionální struktury Slovenska jsou prostorově výrazné a prohlubující se regionální disparity. Východiskem pro formulování strategie rozvoje Slovenska je definování klíčových disparit a faktorů rozvoje. Hlavním cílem regionální strategie na Slovensku je nejen sníţení regionálních disparit, ale také rozvoj faktorů konkurenceschopnosti. Cíl by měl být naplněn splněním určitých priorit, kterými jsou zejména (SK_NSRR, 2007):      

růst konkurenceschopnosti ekonomiky a její modernizace, zlepšení infrastruktury regionů, zvýšení zaměstnanosti, rozvoj venkovských oblastí, růst kvalifikace a vzdělanosti, ochrana zdraví a ţivotního prostředí.

Regionální rozvoj je podporován jak z prostředků EU, tak i ze státního rozpočtu, rozpočtů krajů, měst, obcí i soukromých zdrojů. Prostředky od měst a obcí přitom hrají, co do jejich objemu, v regionální politice pouze okrajovou úlohu.

8


Šilheřovice 2008

Regionální politika na Slovensku se realizuje na více úrovních, je zde úroveň vládní a parlamentní, krajská, obecní a úroveň tzv. agenturní (různé agentury zaměřující se na regionální rozvoj, většinou lokální působnosti). Na úrovni vládní to je Ministerstvo výstavby a regionálního rozvoje, které koordinuje činnost orgánů státní správy, krajů a obcí v rámci regionálních otázek. V působnosti ministerstva jsou veřejné práce, regionální rozvoj, stavební činnost a stavební výrobky, stavební řád a územní plánování kromě ekologických aspektů, které spadají pod Ministerstvo ţivotního prostředí. Ministerstvo ve spolupráci s obcemi, kraji vypracovává národní plán, operační programy, sektorové operační programy, dohlíţí na jejich plnění a jednou ročně předkládá zprávu o plnění těchto dokumentů. Ministerstvo je zřizovatelem Agentury na podporu regionálního rozvoje. Na vládní úrovni je dále zřízena Rada vlády Slovenské republiky pro regionální politiku a dohled nad strukturálními operacemi. Rada je koordinační, poradní a iniciativní orgán vlády slovenské vlády pro otázky tykající se regionální politiky, vyuţívání strukturálních fondů, fondu Soudrţnosti. Další orgánem, který působí na této úrovni je Národní rada Slovenské republiky (NR SR), která má zřízené výbory, které se zabývají regiony. Těmito výbory jsou: Výbor NR SR pro veřejnou správu a regionální rozvoj – tento výbor se zabývá především zkvalitňováním a rozšiřováním pravomocí územní samosprávy, regionálním rozvojem. Výbor NR SR pro zemědělství, ţivotní prostředí a ochranu přírody – jak jiţ je z názvu výboru vidět, zabývá se zemědělstvím, ţivotním prostředím a jeho ochranou. Do je působnosti patří i rozvoj venkova, coţ povaţujeme za oblast regionálního charakteru. Na úrovni krajů existují v rámci jednotlivých krajských úřadů tzv. odbory regionálního rozvoje. Tyto odbory v oblasti regionálního rozvoje připravují, koordinují činnosti s příslušnými ministerstvy, obcemi a dalšími subjekty. Připravují kraj na čerpání finančních prostředků z Evropské unie. Velmi často jsou tyto odbory integrovány i s cestovním ruchem a územním plánováním. U agentur jsou nejvýznamnější Regionální rozvojové agentury (RRA). První začaly vznikat jiţ začátkem 90. let dvacátého století. Jejich cílem je aktivizace hospodářského, sociálního rozvoje v místě působnosti takového regionální rozvojové agentury. V současné době je vytvořen jak formální tak neformální síť, kterou lze povaţovat za podpornou strukturu pro rozvoj regionů Slovenska. Současná vláda Slovenské republiky ve svém programovém prohlášení deklarovala, ţe chce zastavit pokračující trend prohlubujících se regionálních rozdílů. Pojetí regionálních disparit na Slovensku se nijak zvlášť neliší od vnímání této problematiky Evropskou komisí respektive DG Regio. V centru pozornosti jsou disparity ekonomického a sociálního charakteru. Zajímavou je také v souvislosti s problematikou regionálních disparit i skutečnost, ţe na slovenských vysokých školách se setkáváme s celou řadou nabízených studijních oborů v oblasti regionalistiky, a to téměř na kaţdé ekonomicky zaměřené neprivátní vysoké škole či univerzitě.

9


Šilheřovice 2008

Závěr Mezinárodní srovnání regionálních disparit vychází z přístupu EU k disparitám odvozeného ze soudrţnosti, která je jedním z klíčových principů a cílů Společenství a je pravidelně hodnocena Evropskou komisí. Regionální statistiky na národní úrovni i na úrovni Eurostatu obsahují řadu regionálních ukazatelů, avšak jejich naplnění konkrétními a aktuálními daty je v jednotlivých zemích poměrně odlišné. Srovnávání regionálních disparit ve všech zemích EU se proto v oficiálních zprávách Evropské komise omezuje jen na vybraný soubor ukazatelů v rámci zpráv o hodnocení soudrţnosti nebo s vyuţitím tzv. strukturálních ukazatelů. Srovnávaná skupina zemí je z hlediska dosaţené ekonomické úrovně značně nesourodou skupinou. Na jedné straně je zde Rakousko a Německo, které svou úrovní hrubého domácího produktu na obyvatele přepočteného dle standardu kupní síly měny výrazně přesahují průměrnou hodnotu daného ukazatele v EU-27 v roce 2005 (v případě Rakouska je to o 28,8 %, u Německa potom o 16,6 %). Na straně druhé jsou zde státy (Slovensko, Polsko a Maďarsko), které se řadí k sedmi nejméně rozvinutým ekonomikám Unie a relace jejich vyprodukovaného HDP/obyv. (PPS) k průměru EU-27 nepřesahovala v roce 2005 hodnotu 65%. Analyzované země také vykazují různé přístupy k řešení regionálních disparit v rámci regionální politiky. Zatímco u Německa a Rakouska je hlavní váha intervencí přenesena na úroveň spolkových zemí. U Maďarska, Polska i Slovenska pak ještě převládá centralistická exogenní orientace regionální politiky zejména proto, ţe finanční zdroje regionálního rozvoje pochází převáţně z unijního rozpočtu. Řešení regionálních disparit je ve všech zemích podtextem a původním východiskem regionální politiky, avšak zejména u Rakouska a Německa je kladen silný důraz na endogenní faktory rozvoje, zvyšování potenciálu regionů a nespoléhání na realokaci národních nebo evropských zdrojů.

Literatura 1)

AUFHAUSER, E., HERZOG, S., HINTERLEITNER, V. OEDL-WIESER, T., REISINGER, E. (2003). Grundlagen für eine „Gleichstellungsorientierte Regionalentwicklung“. Endbericht. Studie im Auftrag des Bundeskanzleramts , Abteilung IV/4. Wien: Institut für Geographie und Regionalforschung Universität Wien, 2003.

2)

DE_NSRF (2008). FEDERAL MINISTRY OF ECONOMICS AND TECHNOLOGY. National Strategic Reference Framework for the EU Structural Funds in Germany 2007–2013 [on-line]. January 2008. Dostupné z: .

3)

ESPON (2004). ESPON 3.1 Integrated Tools for European Spatial Development. Final Report A. Bonn: Bundesamt für Bauwesen und Raumordnung.

4)

EUROSTAT (2008). Structural Indicators Website [online]. 2008. Dostupné z: .

10


Šilheřovice 2008

5)

HU_Concept (1998). THE GOVERNMENT OF THE HUNGARIAN REPUBLIC. National Regional Development Concept [online]. Budapest: VÁTI, 1998. Dostupné z: .

6)

HU_NSRF (2007). THE GOVERNMENT OF THE REPUBLIC OF HUNGARY. The New

Hunagry Development Plan – National Strategic Reference Framework of Hungary 2007 – 2013 [online]. 2007. Dostupné z: . 7)

MOLLE, W. (2007). European Cohesion Policy. London: Routledge.

8)

ÖROK (2002). Österreichisches Raumentwicklungskonzept. Wien: ÖROK.

9)

PL_NSRF (2007). MINISTRY OF REGIONAL DEVELOPMENT. Poland National Strategic Reference Framework 2007 – 2013 in support of growth and jobs [online]. 2006. Dostupné z: .

10)

PL_Strat (2006). MINISTERSTWO ROZWOJU REGIONALNEGO. Strategia Rozwoju Kraju 2007-2015 (National Development Strategy of Poland 2007 – 2015) [online]. 2006. Dostupné z: .

11)

Skokan, K.; Kaňa, R.; Lebiedzik, M.; Melecký, L. Regionální disparity v mezinárodním srovnání. Dílčí zpráva výzkumného úkolu WD-55-07-1. Ostrava: EkF VŠB-TU, 2008.

12)

SK_NSRR (2007) Národný strategický referenčný rámec 2007-2013. Bratislava: MVRR SR. [online]. Dostupné z : .

13)

STRAT.AT (2006). Nationaler Strategischer Rahmenplan Österreich 2007-2013. Wien: ÖROK.

14)

SZALÓ, P. (2002). Regional Development. Regional development task for the coming years. Budapest: VÁTI.

11


Šilheřovice 2008

REGIONÁLNÍ NEROVNOSTI V TEORETICKÉM KONTEXTU Ing. Jan Sucháček, Ph.D.

Abstrakt Článek se zabývá problematikou regionálních nerovností z teoreticko-metodologického pohledu. Navzdory tomu, ţe regionální nerovnosti představují závaţný problém, neexistuje dosud obecná shoda jak k nim z teoreticko-metodologického hlediska přistupovat.

Klíčová slova Divergence, Konvergence, Regionální nerovnosti, Teorie regionálního rozvoje.

Abstract The article deals with the problem of regional inequalities from theoretical-methodological perspective. In spite of the fact that regional inequalities represent a serious problem, there is hitherto nothing like general consent how to deal with them from theoreticalmethodological point of view.

Keywords Divergence, Convergence, Regional inequalities, Theories of regional development.

Úvod Územní nerovnosti jsou dosti frekventovaným předmětem teorií regionálního rozvoje. Podobně jako teorie regionálního rozvoje samotné se však navzájem odlišují také přístupy k územním nerovnostem. Rozdělení těchto teorií na základě toho, jaký význam přisuzují konvergenčním, resp. rovnováţným a jaký divergenčním, resp. nerovnováţným tendencím v rámci prostorového vývoje je z výzkumného hlediska dostačující. Takováto pragmaticky jednoduchá dichotomická klasifikace napomáhá metodickému uchopení celé řady problémů spjatých s regionálními nerovnostmi, coţ je i záměrem tohoto článku. Celou problematiku územních nerovností v rámci prostorového vývoje zásadně ztěţuje skutečnost, ţe zatímco řada teoretických přístupů i empirických výzkumů prokazuje tendenci regionálních systémů ke konvergenci, jiné teorie, ale také výzkumy zase ukazují na divergenční trendy mezi regiony (viz také Blaţek, 2006). Kromě toho je pozorování regionálních vývojových tendencí závislé na celé řadě faktorů jako: 

Existence rozdílných definicí konvergence a divergence (blíţe viz Barro, Sala i Martin, 1995, Sala i Martin, 1996 či Blaţek, Uhlíř, 2002).



Míra, v jaké je odlišná anebo podobná sociálně-ekonomická úroveň mezi srovnávanými teritorii. Například míra hospodářského růstu u zemí chudých bude mít s ohledem na jejich nízkou hospodářskou úroveň jinou vypovídací schopnost neţli tomu bude u zemí vyspělých.

1


Šilheřovice 2008



Míra spolehlivosti a porovnatelnosti pouţitých dat. Charakter pouţitých ukazatelů je neméně důleţitý. Rozlišovat nutno mezi ukazateli agregátními a dílčími a nelze opomenout ani hledisko absolutizace či relativizace sledování územních nerovností.



Územně-řádová úroveň, na které je příslušná analýza prováděna. S klesající územněřádovou úrovní totiţ má prostorová diferenciace obecnou tendenci k nárůstu.



Výběr oblastí a konkrétních indikátorů, sledujících vývoj regionálních rozdílů. Různé indikátory mají diferencovanou reprezentativnost, pokud jde o zachycení regionálních vývojových tendencí.



Charakter období, ve kterém je analýza realizována a délka období, po které je analýza prováděna. Pro kaţdé období je totiţ charakteristické jisté vývojové paradigma, které směřuje k upřednostnění určitých indikátorů. Délka období je zase důleţitá ve smyslu především konvergenčních vývojových tendencí regionálních systémů.



Čas sehrává v analýzách důleţitou roli také ve vazbě na postupné sniţování míry nerovnoměrnosti sledovaného jevu.



Existují velmi výrazné rozdíly ve sférách, které jsou pouze obtíţně kvantifikovatelné, a přesto mají značný vliv na regionální rozvoj. Blaţek a Uhlíř (2002) upozorňují například na diference v oblasti společenské prestiţe, slávy, moci, resp. vlivu na chod společnosti.

I navzdory všem výše zmíněným problémům je konvergenčně – divergenční pojetí regionálního pro svou jednoduchost nejvhodnější. Je přitom zřejmé, ţe základní atributy územních nerovností jsou v rámci přístupů k regionálnímu rozvoji zachytitelné vedle kategorií prostorových také za pomoci časového pohledu. Tato časoprostorová charakterizace značně usnadňuje identifikaci a diferenciaci problematiky územních nerovností právě ve vazbě na teorie regionálního rozvoje. Zatímco prostorový pohled zde vyjadřuje tendenci regionálního vývoje ke konvergenci anebo divergenci, pohled časový se zabývá pojímáním těchto trendů z hlediska krátkodobého anebo dlouhodobého na straně jedné a z perspektivy doby trvání, resp. časové platnosti těchto teorií1 na straně druhé.

Stručný nástin přístupů k regionálnímu rozvoji ve vazbě na regionální disparity Teorie regionálního rozvoje a s nimi také příslušné přístupy k regionálním nerovnostem byly silně poznamenány sociálně-ekonomickými paradigmaty typickými pro příslušné období. V daných paradigmatech se odráţela zkušenost politiků a představitelů hlavních sociálních a ekonomických směrů, rozvojové teorie z předcházejících období, ale také kratší či delší dobu pociťované sociální a hospodářské potřeby. Jestliţe pouţijeme při diferenciaci přístupů k regionálnímu rozvoji a regionálním nerovnostem princip účelovosti, lze identifikovat čtyři hlavní vývojová paradigmata: liberální endogenně rozvojový přístup, dále exogenní keynesiánský a extrémně intervencionistický marxistickosocialistický přístup a konečně také moderní neo-endogenní přístup. Dílčí teorie regionálního rozvoje jsou přitom uspokojivým způsobem zařaditelné pod tato paradigmata (viz také tabulka 1). 1

Z tohoto pohledu jsou teorie regionálního rozvoje rozděleny na dočasné, resp. epizodické a na trvale platné (blíţe viz např. Sucháček, 2008).

2


Šilheřovice 2008

Pod endogenním přístupem k regionálnímu rozvoji přitom rozumíme takový typ regionálního rozvoje, který se opírá o vyuţití vlastních hospodářských, sociálních a přírodních zdrojů regionu. Endogenní typ rozvoje se primárně spoléhá na vnitřní rozvojový potenciál regionu a snaţí se o plné vyuţití a produktivitu těchto intraregionálních zdrojů. Teprve potom je moţno vyuţít externí pomoc zejména ze strany státu, jakou jsou dotace, daňová zvýhodnění atd. Exogenní regionální rozvoj je zase takový typ regionálního rozvoje, který se primárně opírá o exogenní, vnější pomoc, jako např. státní dotace anebo subvence (více viz Malinovský, Sucháček, 2006). Výše zmíněná typologie se zcela pragmaticky zabývá také regionálně-politickými opatřeními a to proto, ţe regionální politika je odrazem potřeby řešení regionálních nerovností. Nutno přitom podotknout, ţe zpracování teorií regionálního rozvoje formou tabulek je sice přehledné a usnadňuje komparaci těchto teorií, zároveň je ovšem třeba počítat s významnou dávkou zjednodušení při popisu těchto teorií. Toto zjednodušení směřuje k jasnému zachycení hlavních vývojových trendů ve sféře regionálního rozvoje a to právě ve vazbě na územní nerovnosti.

Liberální endogenní paradigma regionálního rozvoje Tento směr regionálního rozvoje je z širšího hlediska zařaditelný pod liberální hospodářskopolitickou koncepci. Tato koncepce nachází odpovědi na všechny zásadní ekonomické otázky (co, jak a pro koho vyrábět) v nerušeném působení trţních sil. Jakékoliv státní zásahy jsou chápány jako něco nepatřičného a je zdůvodňováno, proč nemají vlády do chodu hospodářství zasahovat. Trţní systém umoţňuje podle této hospodářsko-politické koncepce díky cenovému mechanismu a konkurenčnímu prostředí zajišťovat optimální alokaci zdrojů a současně umoţňuje nejlepší uspokojení spotřebitelských preferencí. Zastánci tohoto přístupu také zdůrazňují trţní orientaci společnosti a sledování individuálních zájmů, protoţe to přináší uţitek celému hospodářství. Státní zásahy jsou akceptovány pouze tehdy, jestliţe jsou ohroţeny samotné atributy trţního systému, kterými jsou zdravě fungující trţní prostředí a zdravě fungující peněţní oběh. Přívrţenci koncepce tvrdí, ţe nadměrné státní zásahy vedou k vládnímu selhání. Role státu by tak měla být zredukována jen na vnitřní a vnější zabezpečení, ochranu vlastnických práv a konečně ochranu rámcových podmínek zajišťujících správné fungování trhu (viz např. Kliková a Kotlán, 2003). Prvopočátky liberálního směru regionálního rozvoje spadají do dvacátých aţ třicátých let dvacátého století. Tento silně neintervencionistický přístup nacházel hlavní teoretickou oporu v neoklasické ekonomii. V zásadě se nejednalo o „pravou“ koncepci regionálního rozvoje, protoţe meziregionální disparity byly podle tohoto přístupu pouze dočasným jevem.

3


Šilheřovice 2008

Tabulka 1: Vývoj přístupů k regionálnímu rozvoji

Obecné paradigma

Prostorové tendence

liberální/

Prostorový vývoj neintervencionistické tenduje / endogenně k rovnováze, rozvojové konvergenci a proto není nutno zasahovat do trţních procesů. Neintervencionistický přístup. keynesiánské/inter Prostorový vývoj vencionistické/ tenduje exogenně k nerovnováze, rozvojové divergenci a proto jsou zásahy do trţních procesů nutné.

marxistickosocialistické/ extrémně intervencionistické

Vývoj tenduje k regionální nerovnováze, nutnost plánování a řízení prostorového vývoje. moderní/„transform Vývoj tenduje ovaný“ k regionální neoendogenní nerovnováze, rozvoj/vytváření nutno vyuţít rámcových regionální podmínek pro potenciál. endogenní iniciativy/spíše

Dílčí teorie regionálního rozvoje

Regionální politika

Neoklasické jedno a dvousektorové modely růstu, nová teorie endogenního růstu, nová teorie růstu

„dělníci za prací“, nástroje zvyšující mobilitu pracovních sil

Teorie kumulativních příčin, teorie nerovnoměrného rozvoje, teorie pólů růstu, center růstu a růstových os, teorie exportní základny, jádro-periferie, teorie výrobních cyklů a ziskových cyklů, teorie prostorových děleb práce, teorie mezoekonomiky Prostorová dimenze marxiánskosocialistické doktríny, teorie krize, houpačková teorie nerovnoměrného rozvoje

„práce za dělníky“, nástroje podporující příliv investic do problémových regionů

Teorie učících se regionů, teorie výrobních okrsků, QWERTY teorie, teorie path dependency (závislosti na cestě)

Podpora prostředí, ve kterém se bude dařit networkingu, malým a středním firmám, inovacím, učení se. Zvýšení kvality místních a regionálních institucí, koopkurence (konkurence a kooperace)

neintervencionistický

přístup.

Zdroj: vlastní

4

Centrální plánování a řízení prostorového vývoje ignorující regionálně-trţní signály. Aplikace v zemích střední a východní Evropy.


Šilheřovice 2008

Obrázek 1: Přesun faktorů při interregionálních rozdílech

Zdroj: Maier, Tödtling (1998)

Existenci regionálních problémů neoklasická teorie nepředpokládala, chronická nezaměstnanost byla vysvětlována nepřizpůsobením buď kapitálu, nebo pracovních sil trţním principům. Technologie a makroekonomické podmínky byly povaţovány za dané, a tudíţ bez vlivu na utváření nerovnováţného stavu a na hospodářský růst. Podobně i vliv faktorů, jakými jsou makroekonomické parametry či institucionální rámec ekonomiky, byl v úvahách neoklasické teorie opomíjen, přičemţ je třeba podotknout, ţe řada pozdějších a současných verzí neoklasické teorie se pokouší tyto nedostatky odstranit. Základní myšlenka teorií regionálního rozvoje inspirovaných neoklasickými a neoliberálními přístupy vychází z toho, ţe cenové rozdíly v rámci hospodářství představují signály pro investiční příleţitosti, resp. pro prostorový přesun výrobních faktorů. Hospodářské subjekty podle teorie reagují na tyto příleţitosti, resp. stavy nedostatku aţ do té doby, dokud se cenové rozdíly a stavy nedostatku opět nevyrovnají. Tyto mechanismy však budou fungovat jen tehdy, pokud přijmeme určité předpoklady (viz Maier, Tödtling, 1998): 

Hospodářské subjekty se snaţí maximalizovat svůj uţitek. Pro podniky je to shodné s maximalizací zisku.



Hospodářské subjekty jsou dokonale informovány o všech relevantních cenách.



Všechny ceny jsou pruţné.

5


Šilheřovice 2008



Na všech trzích vládne atomistická konkurence. Proti sobě vţdy stojí dostatečná nabídka a poptávka a to tak, ţe nikdo nemůţe ovlivnit trţní cenu.



Speciálně pro prostorovou dimenzi je nutná dokonalá mobilita výrobních faktorů mezi regiony. Tak se stírají prostorové rozdíly v rámci regionu a je ignorována vzdálenost mezi jednotlivými regiony.

Abychom viděli, jakým způsobem působí tyto předpoklady na rozvoj regionů, předpokládejme, ţe existují dva regiony (A a B), které vyuţívají stejnou výrobní technologii, přičemţ region A vyrábí kapitálově intenzivněji neţ region B. Protoţe region A nasazuje relativně více kapitálu neţ pracovní síly, mzdová sazba regionu A leţí nad mzdovou sazbou regionu B. Mezní produkt kapitálu v regionu A však je vzhledem k vyššímu kapitálovému nasazení niţší neţ v regionu B. Tímto vzniká pro pracovní síly stimul stěhovat se z regionu B do regionu A. A protoţe se kapitál bude stěhovat podle výše úroku, bude plynout v opačném směru, neboli z regionu A do regionu B (viz také obrázek 1). Tyto procesy povedou k tomu, ţe poměr nasazení práce a kapitálu se v obou regionech změní. Region A, který byl původně kapitálově intenzivnější, se stane kapitálově méně intenzivním, kdy kapitál plyne z regionu pryč, ale pracovní síla se přistěhovává, region B zase kapitálově více intenzivním, kdy kapitál plyne do regionu a pracovní síla se odstěhovává. Tímto způsobem se začíná kapitálová intenzita v obou regionech vyrovnávat. Tento proces se zastaví aţ tehdy, kdyţ neexistují rozdíly mezi výškou mzdy a úrokem v obou regionech. Volný, bezpřekáţkový pohyb výrobních faktorů tak nakonec v liberálním pojetí vede k vyrovnávání mzdových a úrokových rozdílů mezi regiony. Tím je také zdůvodnitelný značně zdrţenlivý postoj přívrţenců endogenního liberálního paradigmatu regionálního rozvoje k regionální politice.

Regionální politika inspirovaná neoklasickými a neoliberálními přístupy Přestoţe byla neoklasická teorie prakticky neintervencionistická, byla zejména ve Velké Británii 20. a 30. let dvacátého století přijata opatření zaměřená na zvýšení mobility pracovních sil. Jednalo se tedy o intervenci nikoliv proti působení trţních sil, ale naopak s cílem posílit nedostatečně fungující trţní mechanismus ve sféře trhu práce. Tomuto konceptu, který někteří autoři označují jako „dělníci za prací“ (viz Prestwich a Taylor 1990), odpovídaly i aplikované nástroje regionální politiky. Jednalo se především o podporu dojíţdějícím, jednorázovou finanční pomoc při stěhování, pomoc při obstarání bytu v imigračním regionu s niţší mírou nezaměstnanosti, rekvalifikace na profesi ţádanou v imigračním regionu apod. Kritickým bodem takovéto regionální politiky je najít regiony s nedostatkem pracovních sil, kam se mohou nezaměstnaní z jiných oblastí přestěhovat. Navíc je třeba zdůraznit, ţe podpora emigrace z problémových regionů je zpravidla povaţována za velmi pasivní typ politiky, neboť se ani nepokouší řešit příčiny problémů, ale pouze se snaţí o zmírnění jejich následků (Blaţek a Uhlíř, 2002).

Keynesiánské exogenní paradigma regionálního rozvoje Aţ do velké hospodářské krize v 30. letech dvacátého století převaţovala v teoretických koncepcích i národohospodářské praxi neoklasická doktrína. Krize, která podle neoklasických

6


Šilheřovice 2008

předpokladů neměla vůbec nastat, však otevřela prostor pro na dlouhou dobu určující paradigma hospodářské a regionální politiky, které se nazývá keynesiánství a které zdůrazňuje význam intervencí z veřejného sektoru. Na jeho úplném začátku stála práce J.M. Keynese Všeobecná teorie zaměstnanosti, úroku a peněz, v níţ ukázal vliv agregátní poptávky na trţní rovnováhu. Na tuto práci pak navázalo mnoho dalších autorů, kteří Keynesovy myšlenky dále rozvinuli. Zájem o řešení interregionálních sociálně-ekonomických disparit stoupl v Evropě výraznějším způsobem po II. světové válce. Tento zájem byl dán objektivními sociálními, hospodářskými a politickými potřebami a odrazil se i v převaze teorií regionální nerovnováhy (divergenční teorie) nad teoriemi regionální rovnováhy (konvergenční teorie). Začalo se ve větší míře volat po státních zásazích do ekonomiky. To bylo v souladu s intervencionisticky orientovanou keynesiánskou hospodářskou koncepcí, mezi jejíţ obecné cíle patří plná zaměstnanost, regulace agregátní poptávky, podpora hospodářského růstu či upřednostnění fiskálních nástrojů před monetárními. Na rozdíl od střednědobého aţ dlouhodobého pojetí liberální hospodářské politiky se keynesiánství orientuje na kratší časové úseky a připouští také růst inflace či vnější nerovnováhu. Aţ do padesátých let dvacátého století byla regionální politika (která v té době ještě nevystupovala jako samostatná politika) většiny evropských zemí motivována sociálními důvody. Existoval zájem na vytvoření kvalitnějších a spravedlivějších ţivotních podmínek pro obyvatelstvo po II. světové válce. Ta opatření hospodářských a sociálních politik, která měla teritoriální charakter, byla motivována nutností vyrovnávání prostorových sociálněekonomických nerovností. V zásadě lze hovořit o tomto období jako o době vzniku „skutečné“ regionální politiky. Od padesátých do začátku šedesátých let minulého století pak dochází k rozvoji koncepcí zaměřených převáţně na růst a rozvoj regionů a pozornost se přesunula od sociálních priorit k cílům ekonomickým. Nastal pravý rozkvět teorií zaměřených na hospodářský růst regionů. Akcentována byla industrializace, která se měla rozšířit i do zaostalých regionů. Teprve sedmdesátá léta odhalila zranitelnost odvětvové monostruktury u mnoha zejména průmyslových oblastí a regionální rozvoj se postupně stává doménou politiků a to jak na regionální tak i na celostátní úrovni. Zatímco neoklasické modely růstu zdůrazňovaly zejména význam výrobních faktorů na straně nabídky (růst kapitálu, přírůstek pracovních sil a technologické změny) a zanedbávají význam těchto faktorů na poptávkové straně, pro keynesiánské teorie regionálního růstu a rozvoje po druhé světové válce je typická právě mimoregionální poptávka po zboţí vyráběném v daném regionu. Keynesiánci jsou také podstatně méně optimističtější ohledně automatických tendencí ekonomiky k vyrovnávání prostorových rozdílů a naopak zdůrazňují, ţe je nutno do vývoje regionů aktivně intervenovat, aby se nezvyšovaly regionální disparity. Typickým příkladem keynesiánského přístupu k regionálnímu rozvoji je koncepce polarizace, kterou masověji rozšířil především Francois Perroux. Ten v mnoha svých studiích ukázal (např. Perroux, 1950), ţe hospodářský růst nevzniká rovnoměrně, ale má základ v tzv. motorické jednotce. Touto jednotkou je odvětví hospodářství, které vykazuje nadprůměrný růst a prostřednictvím meziodvětvových vazeb ovlivňuje odvětví ostatní. Takto můţe motorická jednotka pohánět rozvoj celého hospodářství. Impulsy z motorické jednotky mají původ především v realizaci externích a interních úspor a v inovacích.

7


Šilheřovice 2008

Obrázek 2: Myrdalův model kumulativního působení

Zdroj: upraveno podle Armstrong a Taylor (1993)

Perrouxova teorie vymezila zcela nové principy hospodářského růstu, avšak zůstala pouze u sektorového pojetí. O regionální dimenzi ji později obohatili zejména Gunnar Myrdal (1957) a Alfred Hirschman (1958). Myrdal svou teorii dává do částečného protikladu s neoklasickým přístupem, u kterého jakýkoliv odklon od rovnováhy vyvolává procesy, které odchýlené ekonomické veličiny vedou zpátky k jejich rovnováţné hodnotě. Myrdal připouští, ţe mohou existovat mechanismy, které působí konvergenčně, ale zároveň argumentuje, ţe existují souvislosti, které na původní odchylku od rovnováhy působí tím způsobem, ţe ji ještě zesílí. Impulsy pozitivního i negativního směru se v průběhu doby kumulují a vykrystalizují do stabilnějších rozvojových rozdílů. Zesílení či redukce rozvojových diferencí pak závisí na tom, zda existují konvergenční či divergenční efekty zpětné vazby. V této souvislosti Myrdal, resp. Hirschman hovoří o rozšiřujících (spread), resp. prosakujících (trickling-down) efektech a stahujících (backwash), resp. polarizačních (polarisation) efektech. Pojmy rozšiřující a prosakující efekty zahrnují všechny mechanismy, které vedou k prostorovému rozšiřování rozvojových impulsů. Pozitivní efekt je přenášen do sousedních regionů a tím je prostorově rozšiřován (např. prostřednictvím subdodavatelů z okolních regionů pro růstové odvětví). Stahující či polarizační efekty oproti tomu obsahují takové

8


Šilheřovice 2008

mechanismy, pomocí kterých se pozitivní rozvojový impuls projeví v ostatních regionech negativně (např. odchodem kvalifikovaných pracovních sil do regionu, ve kterém je přítomno „hnací“ odvětví). Vývojová trajektorie jednotlivých regionů pak je dána tím, zda převaţují efekty rozšiřující anebo stahující. Na klasické polarizační teorie navázaly některé další koncepce, jako póly růstu a rozvoje, které akcentovaly difúzi informací a rozvoj regionu pokládají za evoluční proces anebo modely centrum-periferie, které vedle ekonomických příčin prostorových nerovností zdůrazňují především společenské a politické aspekty problému.

Regionální politika inspirovaná keynesiánstvím Toto období regionální politiky je moţno vymezit přibliţně od počátku 50. let do poloviny 70. let dvacátého století, přičemţ 60. léta se označují jako období „zlatého věku“ regionální politiky, neboť na regionální politiku byly v mnoha zemích věnovány značné prostředky. Například podíl regionálně-politických výdajů na HDP ve Velké Británii v 60. letech téměř dosáhl 1 % (Preswitch a Taylor 1990). Regionální problémy nebyly povaţovány za krátkodobou poruchu, ale za dlouhodobý jev. Základní filozofii přístupu k řešení regionálních problémů lze v tomto období vystihnout spojením „práce za dělníky“. Koncepce zdůrazňuje, ţe odpovědnost za řešení regionálních hospodářských problémů spočívá na státu, který se má snaţit o prostorově rovnoměrnější distribuci pracovních příleţitostí. Hlavními pouţívanými nástroji ve vztahu k subjektům soukromého sektoru byly především různé finanční podněty firmám expandujícím v zaostávajících regionech. Jednalo se o poskytování rozmanitých druhů dotací, dále výhodných úvěrů se sníţenými úrokovými sazbami, daňových úlev, zrychlených odpisů, výjimečně i dotací na dopravní náklady apod. V tomto období byla hojně pouţívána i restriktivní administrativní opatření, a to zákaz expanze firem v největších aglomeracích (například v Londýně či Paříţi), či dokonce aplikace zvláštního zdanění vstupů či produkce u soukromých firem s cílem omezit nadměrný růst v těchto regionech (například paříţský region). Důvodem pro tato restriktivní opatření byla snaha omezit další tlak na přetíţenou infrastrukturu velkých aglomerací (dopravní kongesce, problémy se zásobováním vodou apod.) včetně úsilí o omezení ekologických problémů. Věřilo se, ţe restriktivní opatření aplikovaná vůči velkým aglomeracím a metropolitním oblastem přispějí k ochotě firem rozvinout své aktivity v zaostávajících regionech, kde byly naopak firmám nabízeny četné výhody (viz Blaţek a Uhlíř, 2002). Velmi účinným nástrojem regionální politiky byla relokace státních podniků či institucí, například ústředních orgánů státní správy nebo výzkumných ústavů, do zaostávajících regionů (pouţíváno např. v Nizozemsku, Norsku, Francii nebo Velké Británii). Určitou modifikací relokačních opatření byla povinnost lokalizovat v případě rozšíření výroby ve státem vlastněných podnicích určitý podíl nově vytvořených pracovních míst v problémových regionech, coţ bylo aplikováno například v Itálii ve prospěch zaostávajícího jihu. Typicky keynesiánský způsob řešení meziregionálních rozdílů v nezaměstnanosti představuje také poskytování příplatků ke mzdám, aby se podnikatelům v problémových regionech sníţily náklady na pracovní síly (Martin 1985). Lze konstatovat, ţe zpočátku byla keynesiánská regionální politika zaměřena především na hospodářskou sféru. Později se dospělo k poznání, ţe problémy v zaostávajících regionech

9


Šilheřovice 2008

jsou komplexnějšího charakteru a pozornost se přesunula také na opatření v sociální či institucionální sféře. Nebyl přitom opuštěn princip směru regionální politiky „shora dolů“. Jako vůbec nejdůleţitější prvek celého keynesiánského období však je nutno zmínit relativní soulad transformace systémových makrostruktur v jednotlivých zemích s převaţujícím paradigmatem regionální politiky. I kdyţ totiţ Keynesiánci často namítali, ţe v celé řadě případů trţní mechanismus selhává a státní intervence do ekonomiky jsou nutné, uznávali, ţe koordinace aktivit prostřednictvím trhu je hlavním mechanismem chodu ekonomiky a ţe společnost dosud nenalezla systém, který by byl schopen trţní mechanismus nahradit. Nedošlo tak k deformaci prakticky všech základních sloţek ţivota jako v paralelně existujícím reţimu centrálního plánování ve střední a východní Evropě (blíţe viz např. Sucháček, 2006). Naopak země, které aplikovaly keynesiánské směry regionálního rozvoje, pro své regiony vytvořily přibliţně rovnoměrné vývojové podmínky s ohledem na systémové makrostruktury. Tímto způsobem bylo zaručeno, ţe se aktivity lokálních či regionálních aktérů mohly objektivněji odrazit ve vývoji jednotlivých regionů. Německo, či země Beneluxu, které se tradičně ve svých regionálních politikách spoléhaly na decentralizaci, dokázaly v keynesiánském období vedle historicky vyvinuté rovnoměrné prostorové distribuce hospodářských aktivit zkvalitnit decentralizační mechanismy i u dalších sloţek systémových makrostruktur a tak dále posílily svůj rovnoměrný prostorový rozvoj. Naopak tradičně centralistické země jako Velká Británie či Francie prošly v tomto období intenzivní transformací, která vyústila v modifikaci systémových makrostruktur směrem k prostorově podstatně homogennější distribuci sociálních a hospodářských aktivit. Vedle tradičně silných center Paříţe a Londýna se tak vynořila další centra jako Lyon, Štrasburk či Marseille ve Francii, resp. Birmingham či Glasgow v rámci Spojeného Království.

Marxisticko-socialistické paradigma Kdyţ byla po druhé světové válce rozdělena politická mapa světa, vydala se jeho východní část směrem, pro který je charakteristická deformace prakticky všech sloţek ţivota. Tyto nepříznivé trendy se nemohly nedotknout oblasti regionálního rozvoje. Lze konstatovat, ţe hlavní vývojové paradigma regionálního rozvoje se Československu po druhé světové válce vyhnulo, resp. Československo se vyhnulo jemu. Z politického hlediska panoval v tehdejším Československu od roku 1948 aţ do roku 1989 totalitní politický reţim, z ekonomického pohledu pak systém centrálního plánování. Tehdejší hospodářská koncepce povaţovala selhání trţního mechanismu při řešení sociálních a ekonomických problémů za absolutní. Trţní signály, které jsou tradičními determinantami hospodářských a regionálních politik, tak byly nahrazeny příkazovým systémem. Došlo k prakticky naprosté centralizaci všech politik, o kterých rozhodovala pouze vládnoucí strana a vláda. Stát začal být povaţován za univerzálního správce celé ekonomiky, kterou reguloval centrálními plány. Tyto centrální plány v konečném důsledku vyvolávaly efekt tzv. převráceného minimaxu, kdy podniky maximalizovaly vstupy a minimalizovaly výstupy chovaly se tedy naprosto obráceně, neţ podniky trţní. Izolace poptávky od nabídky vedla nakonec aţ k extrémním nerovnováhám na trhu. Vedle celostátního plánování navíc existovala izolace vnitřních trhů od světových, coţ celkovou hospodářskou, ale i jinou deformaci ještě prohloubilo.

10


Šilheřovice 2008

Vezmeme-li v úvahu skutečnost, ţe regionální diference budou existovat vţdycky a jejich naprostá eliminace není moţná a ani ţádoucí, způsobila aplikace centrálního plánování nepřirozený charakter celého prostorového vývoje. Akcentována byla především prostorová konvergence, avšak s ohledem na četné mezery mezi plánováním, jeho implementací a reálným prostorovým vývojem se ji často nepodařilo naplnit. Regionální nerovnosti zdaleka nevymizely, pouze byly zaloţeny spíše na administrativních a politických rozhodnutích, neţli na přirozených vývojových předpokladech jednotlivých regionů. Hierarchicky organizovaný systém národního, regionálního a místního plánování pokrýval sféru hospodářskou i systém osídlení. Role fyzického plánování pak spočívala v prostorové realizaci cílů definovaných v národohospodářských plánech. Zpočátku se národohospodářské plánování soustředilo především na masivní industrializaci a tak se pro regionální rozvoj staly klíčovými sektorové hospodářské politiky. Pozornost byla věnována zejména industrializaci Slovenska, ale také oblastem s převaţujícím těţkým průmyslem. Od šedesátých let se k industrializaci přidala také intenzivní výstavba bytů a občanské vybavenosti vedená snahou o řízení prostorové distribuce pracovních sil. Silná institucionální a finanční centralizace znemoţnila efektivní realizaci těchto plánů. Od šedesátých let se k celonárodnímu plánování přidaly plány regionálního rozvoje a rozvoje vybraných městských celků. Proces normalizace na začátku sedmdesátých let s sebou přinesl také opětné posílení role centrálního plánování. Koncept urbanizace a systému osídlení se rozvinul z jednodušší formy hierarchicky organizovaných center na vymezování regionálních aglomerací, městských regionů a jiných míst principiálního významu. Koncept směřoval k řízení a kontrole procesu urbanizace v celé zemi aţ do roku 2000. V roce 1977 byl přijat tzv. regionální plánovací dekret a regionální plánování bylo převedeno pod pravomoc regionálních a místních úřadů coby subsystém centrálního plánování. Centrální plánování přitom stále deklarovalo jako svůj hlavní cíl prostorově racionální rozloţení pracovních sil a optimální vyuţití přírodních, sociálních a hospodářských podmínek všech území se záměrem zvýšení ţivotní úrovně obyvatelstva. První regionální plány byly připraveny na konci osmdesátých let, avšak vzhledem ke změnám po roce 1989 a zrušení krajských národních výborů v roce 1990 nebyly realizovány (Sýkora, 1999). Fyzické/prostorové plánování bylo uskutečňováno především na místní úrovni a to i přesto, ţe nebyly pouţívány standardní nástroje a mechanismy prostorového plánování a investice byly realizovány na politickém základě. Od šedesátých let bylo prostorové plánování chápáno jako nástroj pro plánování v městských oblastech a to ve vazbě na výstavbu bytů, výstavbu nového průmyslu a výstavbu dopravní infrastruktury. Jeho role pak s menšími či většími obměnami přetrvala aţ do roku 1989. Jiţ mnohokrát bylo oficiálně prohlášeno, ţe v důsledku dědictví centrálního plánování vstoupilo někdejší Československo do transformace po roce 1989 jako země s dosti malými regionálními nerovnostmi (viz např. Hampl, 2001 et al). Je pravdou, ţe všudypřítomné plánování a vyrovnávací principy byly neoddělitelnou součástí reţimu před rokem 1989, nicméně musí být řečeno, ţe se ve skutečnosti praxe často lišila od oficiálně proklamovaných politik. Prokop s Kovářem (1987) provedli porovnání všech důleţitých československých měst ve všech významných sociálně-ekonomických sloţkách jejich chodu a výsledky ukázaly, ţe i socialistická města se mohou od sebe aţ překvapivě intenzívně odlišovat.

11


Šilheřovice 2008

Po celospolečenských změnách v roce 1989 ovládlo naši ekonomiku liberální paradigma. Specifikum doby tkvělo ve skutečnosti, ţe toto paradigma bylo aplikováno v podmínkách deformovaných systémových makrostruktur. Na regionální rozvoj bylo v té době pohlíţeno jako na něco, co se neslučuje s principy volného trhu. Spontánní aţ chaotický prostorový vývoj v zemi, akcelerovaný ještě zrušením regionální samosprávy vyústil aţ do značného nárůstu meziregionálních rozdílů ve druhé polovině devadesátých let.

Moderní paradigma – neo-endogenní regionální rozvoj Pro moderní přístupy k regionálnímu rozvoji je charakteristická značná metodologická roztříštěnost, stejně jako rozdílné vymezení hlavních aktérů a mechanismů regionálního rozvoje a různorodá doporučení pro praktickou regionální politiku. Často se dokonce hovoří o eklektickém směřování regionálního rozvoje a eklektickém období regionální politiky (např. Blaţek, 1999). Jako by i přístupy k regionálnímu rozvoji kopírovaly současné modernistické, resp. postmodernistické celospolečenské tendence. Tyto teorie nejčastěji vycházejí z institucionálních, ale také neoliberálních kořenů. Italští autoři jako S. Brusco (1982) či G. Becattini (1978) jsou hlavními autory teorie výrobních okrsků. Tato teorie se zaměřuje zejména na oblast tzv. třetí Itálie, která nepatří mezi tradiční průmyslové oblasti, ale přesto se stala ekonomicky úspěšnou. Základem úspěchu jsou přitom kvalitní sociálně-kulturní a institucionální struktury, stejně jako networking malých a středně velkých firem. Teorie flexibilní specializace, resp. flexibilní akumulace, jejímiţ autory jsou M. Piore a Ch. Sabel (1984) vidí příčiny meziregionálních rozdílů opět ve formálních a neformálních institucích a zdůrazňují význam přítomnosti malých a středně velkých firem v dříve málo industrializovaných oblastech. V osmdesátých letech, kdy byla Velká Británie zasaţena procesy globalizace a restrukturalizace (které navíc byly posíleny neoliberální politikou M. Thatcherové), se vytvořila mezi britskými regiony ekonomicko-politická polarizace. Nové hospodářskospolečenské problémy se staly podkladem pro výzkumný projekt Proměny systému sídel a regionů (Changing Urban and Regional Systems), který se zaměřil na výzkum sedmi odlišných mikroregionů ve Velké Británii a snaţil se objasnit příčiny jejich odlišných reakcí či adaptačních strategií na proces globalizace a restrukturalizace. Tento výzkum vedl k vytvoření nového přístupu k regionálnímu rozvoji nazvanému diskuse o lokalitách (Locality Debate). Teorie učících se regionů pak představuje dosud nejmladší a stále ještě se vyvíjející směr regionálního rozvoje. Nejznámějšími autory jsou B.A. Lundvall (1992), R. Florida (1995) a A. Saxenian (1994). Tato teorie akcentuje zejména proces učení se a to jak učení praxí, tak také učení uţíváním, učení hledáním a učení spoluprací. Rozhodující pro rozvoj regionu je přitom schopnost jeho aktérů učit se a přijímat nové technologie a postupy, ale také získávat nové informace.

12


Šilheřovice 2008

Neo-endogenní regionální politika Současné období regionální politiky, které lze vymezit přibliţně od druhé poloviny sedmdesátých let do současnosti, je dosti specifické, protoţe kombinuje značné mnoţství často různorodých přístupů. Mezi typická regionálně-politická opatření dneška podle Adamčíka (1997) a Blaţka a Uhlíře (2002) patří například: 

podpora malým a středním firmám,



podpora tvorby a šíření inovací,



deregulační a decentralizační opatření,



podpora partnerství veřejného a soukromého sektoru (public private partnership),



programy následné péče o zahraniční investory (follow up programmes, after care programmes),



investice do lidských zdrojů,



podpora kvality ţivotního a sociálního prostředí.

Společným jmenovatelem těchto opatření je silná endogenní orientace, vyznačující se snahou o iniciaci lokálního a regionálního potenciálu. Dalším častým rysem je věcná i finanční participace soukromého a veřejného sektoru reflektující postfordistické racionalizační tendence a zdůrazňující jedinečnost kaţdé lokality, resp. regionu. Přestoţe jsou v tomto období aplikovány i postupy a nástroje pouţívané jiţ dříve, je pro současnost typické rozšíření nástrojů regionální politiky o nové, kvalitativně širší přístupy, kterým je společná snaha o řešení příčin regionálních problémů, a nikoliv jen jejich následků, jako tomu bylo v předcházejících etapách regionálního rozvoje.

Závěr Územní nerovnosti jsou velmi frekventovaným předmětem teorií regionálního rozvoje. Dodnes se přitom hledá (a patrně ještě dlouho hledat bude) odpověď na základní otázku, zdali mají regionální systémy tendenci spíše ke konvergenci anebo naopak divergenci. Nutno ovšem podotknout, ţe ty teorie, které povaţují prostorový vývoj za divergenční, převaţují početně i kvalitativně nad teoriemi povaţujícími prostorový vývoj za konvergenční. Problematiku uchopení územních nerovností přitom ztěţuje celá řada faktorů jako jsou rozdílné definice konvergence a divergence, sociálně-ekonomická úroveň srovnávaných teritorií, spolehlivost a porovnatelnost pouţitých dat, charakter a délka období, ve kterém jsou území srovnávána, četné obtíţně kvantifikovatelné sféry a mnoho dalších. Také mnoţství identifikovaných příčin a mechanismů, které usměrňují vývojové tendence regionálních systémů v čase, je značné a navíc ještě v čase narůstá, coţ opět zásadním způsobem sniţuje orientaci v celé problematice. Zůstává však zřejmé, ţe absolutní prostorová nivelizace je navzdory výše zmíněným metodickým nejasnostem nedosaţitelná a to s ohledem na značný počet spontánních, resp. politikami neovlivnitelných prvků a jevů, časová zpoţdění mnoha opatření atd. Prostorový pohled na vývoj přístupů k regionálnímu rozvoji a regionálním nerovnostem ukázal, ţe liberální, endogenně rozvojové paradigma regionálního rozvoje, které se regionální problematikou zabývalo chronologicky jak první, povaţuje prostorové tendence za

13


Šilheřovice 2008

konvergenční a to v dlouhém období. Také proto se jedná o přístup neintervencionistický, který nedoporučuje větší zásahy do trţních procesů. Všechna paradigmata regionálního rozvoje, která následovala, tj. keynesiánské, marxisticko – socialistické a moderní neo-endogenní přístup k regionálnímu rozvoji pak povaţují prostorový vývoj za divergentní. Tato paradigmata se ovšem velmi výrazně odlišují pokud jde o doporučení pro tvorbu celkových společensko-hospodářských podmínek a také pokud jde o míru jejich intervencionismu. V současnosti preferované neo-endogenní paradigma dává důraz především na vnitřní potenciál jednotlivých teorií stejně jako subjektů v nich se nacházejících.

Literatura 1) ADAMČÍK, S. (1997): Zdroje teorie regionální politiky a regionálního rozvoje. VŠBTechnická univerzita Ostrava, Ekonomická fakulta, Ostrava. 2) ARMSTRONG, H. – TAYLOR, J. (1993): Regional Economics & Policy. Harvester Wheatsheaf, London. 3) BARRO, R., SALA i MARTIN, X. (1995): Economic Growth, McGraw Hill, New York. 4) BECATTINI, G. (1978): The development of light industry in Tuscany: An interpretation. In: Economic Notes, Vol. 3, pp. 107-123. 5) BLAŢEK, J. – UHLÍŘ, D. (2002): Teorie regionálního rozvoje: nástin, kritika, klasifikace. Karolinum, UK, Praha. 6) BLAŢEK, J. (1999): Teorie regionálního rozvoje: je na obzoru nové paradigma či jde o pohyb v kruhu? In: Geografie – sborník ČGS, č.3, s.141-159. 7) BLAŢEK, J. (2006): Teorie regionálního rozvoje. In: Sborník ze závěrečného semináře k metodám regionálního rozvoje. VŠB-TU, VŠE a MMR, s. 18-23, CD-ROM. 8) BRUSCO, S. (1982): The Emilian model: productive decentralisation and social integration. In: Cambridge Journal of Economics, Vol. 6 , pp. 167-184. 9) BŘEZINOVÁ, O. – FRAIT, J. – KULHÁNEK, L. A KOL. (1993): Obecná ekonomie, Ekonomická fakulta VŠB – TU, Ostrava. 10) FLORIDA, R. (1995): Toward the learning region. In: Futures, Vol. 27, pp. 527-536. 11) HAMPL, M. A KOL. (2001): Regionální vývoj: specifika české transformace, evropská integrace a obecná teorie, PřF UK, Praha. 12) HIRSCHMAN, A.O. (1958): The Strategy of Economic Development, New Haven, Yale University Press. 13) JEŢEK, J. - PAULIČKOVÁ, R. (2004): Regionální management jako cesta k udrţitelnému regionálnímu rozvoji. In: National and regional economics V. Košice, Technical University, s.277-286. 14) KLIKOVÁ, CH. – KOTLÁN, I. (2003): Hospodářská politika. Sokrates, Ostrava. 15) LUNDVALL., B. A. (ed.) (1992): National Systems of Innovation: Toward a Theory of Innovation and Interactive Learning. London, Pinter.

14


Šilheřovice 2008

16) MAIER, G. – TÖDTLING, F. (1998): Regionálna a urbanistická ekonomika 2. Regionálny rozvoj a regionálna politika (slovenský překlad německého originálu Regional- und Stadtökonomik 2. Regionalentwincklung und Regionalpolitik), Elita, Bratislava. 17) MALINOVSKÝ, J. - SUCHÁČEK, J. (2006): Velký anglicko-český slovník regionálního rozvoje a regionální politiky Evropské unie. Ostrava, VŠB-Technická univerzita, 956 s. 18) MARTIN, R. L. (1985): Monetarism Masquerading as Regional Policy? In: Regional Studies, Vol. 19, No. 4, pp. 379-388. 19) MYRDAL, G. (1957): Economic Theory and Under-developed Regions. London, Gerald Duckworks. 20) PERROUX, F. (1950): Economic Space: Theory and Applications, Quarterly Journal of Economics, Vol. 64, Harvard University Press, pp. 90-97. 21) PIORE, M. – SABEL, CH. (1984): The Second Industrial Divide: Possibilities for Prosperity. New York, Basic Books. 22) PRESTWICH, R. – TAYLOR, P. (1990): Introduction to Regional and Urban Policy in the United Kingdom. Longman, London. 23) PROKOP, R. - KOVÁŘ, J. (1987): Současné postavení Ostravy mezi Československými velkoměsty. In: Ostrava 14, Ostrava, Profil, str. 9-50. 24) RUMPEL, P. (2002): Teritoriální marketing jako koncept územního rozvoje. Ostravská univerzita, Ostrava. 25) SALA i MARTIN, X. X. (1996): The classical approach to convergence analysis. In: The Economic Journal, Vol. 106, pp. 1019-1036. 26) SAXENIAN, A. (1994): Regional Advantage: Culture and Competition in Silicon Valley and Route 128. Cambridge, MA, Harvard University Press. 27) SKOKAN, K. (2004): Konkurenceschopnost, inovace a klastry v regionálním rozvoji, Ostrava, Repronis. 28) SUCHÁČEK, J. (2005): Restrukturalizace tradičních průmyslových regionů v tranzitivních ekonomikách, Ostrava, VŠB-Technická univerzita, Ekonomická fakulta. 29) SUCHÁČEK, J. (2006): O nesouladu systémových makrostruktur a regionálněrozvojového paradigmatu v České republice. In: Sborník ze závěrečného semináře k metodám regionálního rozvoje. VŠB-TU, VŠE a MMR, s. 47-52, CD-ROM. 30) SUCHÁČEK, J. (2008): Územní nerovnosti v teoriích regionálního rozvoje. In: Regionální disparity. Working papers č.2, VŠB – TU Ostrava, s.33-61 31) SÝKORA, L. (1999): Local and regional planning and policy in East Central European transitional countries. In: Hampl (et al.) Geography of Societal Transformation in the Czech Republic, Prague, Charles University, Department of Social Geography and Regional Development, pp. 153-179. 32) TICKELL, A. – PECK, J.A. (1992): Accummulation, Regulation and the Geographies of Post-Fordism: Missing Links in Regulationist Research. Progress in Human Geography, Vol. 16, pp. 190-218.

15


Šilheřovice 2008

METODOLOGICKÉ PŘÍSTUPY K IDENTIFIKACI ZDROJŮ REGIONÁLNÍCH DISPARIT Doc. Ing. Jaroslav Jánský, CSc., Prof. PhDr. Stanislav Hubík, CSc., Prof. Ing. Iva Ţivělová, CSc.

Abstrakt Výzkum disparit mezi regiony je realizován jak strategií kvantitativního výzkumu, tak strategií kvalitativního zkoumání. Smyslem tohoto metodologicky koncipovaného výzkumného projektu WD-57-07-1 Moţnosti řešení disparit mezi vybranými regiony je stanovení měřitelných indikátorů a faktorů rozvoje regionů a odhalení zdrojů reálných moţností rozvoje z pohledu obyvatel regionu.

Klíčová slova Disparity, Kvalitativní výzkum, Kvantitativní výzkum, Region, Regionální rozvoj

Abstract The research on disparities among regions is realized by both strategy of quantitative

research and strategy of qualitative research. The sense of this methodologically conceived research project WD-57-07-1 Possibilities of solution to disparities among chosen regions is definition of measurable indicators and factors of regions´ development and disclosing of sources of real development possibilities from the view of the insiders of the region.

Keywords Disparities, Qualitative research, Quantitative research, Region, Regional development

Úvod Vznik a rozvoj regionů probíhal na základě rozdílných historických a ekonomických podmínek. Podobně je tomu i v rozvoji jednotlivých oblastí v regionech. Regionální rozvoj lze zkoumat z mnoha hledisek a popsat je řadou ukazatelů, a to jak kvantitativního, tak kvalitativního charakteru. Cílem příspěvku je uvést metodický postup řešení projektu WD-57-07-1 „Moţnosti řešení disparit mezi vybranými regiony“, řešeného v letech 2007 aţ 2011 za podpory MMR ČR na Fakultě regionálního rozvoje a mezinárodních studií MZLU v Brně.

Materiál a metodika Výsledky projektu jsou směrovány k odhalení disparit v kvalitě ţivota mezi regiony České republiky, a to z pohledu přírodních zdrojů, z pohledu sociálních a kulturních zdrojů a z pohledu ekonomické výkonnosti regionu. Vzhledem k tomu, ţe disparity mezi regiony jsou především důsledkem rozdílné intenzity vyuţití uvedených disponibilních zdrojů regionů, je

1


Šilheřovice 2008

třeba příčinu disparit hledat zejména uvnitř regionů. Při řešení projektu je ověření navrhované metodiky prováděno na vybraných regionech a v rámci nich na vybraných mikroregionech, zahrnujících příslušná města a obce. K analýze regionálních disparit jsou vyuţívány podklady z Jihomoravského kraje z mikroregionu Podluţí, z Moravskoslezského kraje z mikroregionu Poodří, ze Severomoravského kraje z mikroregionu Hranicko a z Plzeňského kraje z mikroregionů Běleč a Lučina. V Plzeňském kraji jsou současně k analýze vyuţívány i podklady z Místní akční skupiny Pošumaví a Místní akční skupiny Český les. Výzkum analýzy kvality ţivota ve vybraných regionech z pohledu přírodních zdrojů, sociálních a kulturních zdrojů a z pohledu ekonomické výkonnosti regionu se zaměřuje na pouţití metod, které umoţní postihnout obecné vývojové trendy rozvoje, které se projevují ve všech regionech a dále postihnout faktory, které jsou z hlediska jednotlivých regionů specifické. Jedná se jednak o faktory, které představují silnou stránku rozvoje dané oblasti a které je třeba udrţovat a posilovat, jednak o faktory, které lze označit jako rizikové z hlediska rozvoje dané oblasti. Těmto rizikovým faktorům je potom třeba věnovat maximální pozornost, neboť představují ohroţení správného vývoje a ţivotaschopnosti dané oblasti. Obecné vývojové trendy rozvoje regionu jsou posuzovány pomocí kvantitativních metod, vyuţívajících zejména individuálních či agregovaných indikátorů. K popisu a charakteristice dat jsou zvoleny metody deskriptivní statistiky. Zjišťování faktorů ovlivňujících kvalitu ţivota v regionech je zaloţeno na vyuţití spíše kvalitativních metod a dotazníků.

Výsledky a diskuse Východiska metodologických přístupů k řešení Současná teorie vědy a vědeckého výzkumu rozeznává dvě skupiny paradigmat podmiňujících volbu výzkumných strategií, metod a technik. Jednak skupinu zaloţenou v metodologických idejích pozitivismu a jeho postupně vzniklých, i oslabených variant; jednak skupinu zaloţenou původně v symbolickém interpretativismu a jeho dalších variantách, podloţených fenomenologií a hermeneutikou (Bryman, Bell, 2007 nebo Denzin, Lincoln, 2005). Výzkumný tým zvolil metodologii, která čerpá z obou skupin paradigmat – koncepty první paradigmatické skupiny umoţňují kvantitativní výzkum problematiky, tedy měření, koncepty druhé paradigmatické skupiny umoţňují kvalitativní výzkum a tedy porozumění interpretacím místních reprezentantů objektu výzkumu (mikroregionu, akční skupiny). Tento dvojaký metodologický přístup současně zakládá dvě odlišné strategie získávání informací, exogenní a endogenní. Otázka exogenního respektive endogenního vytváření informací k analýze regionálních jevů je zásadní a jiţ v této fázi nutí výzkumný tým k zásadním rozhodnutím. Například zda se mají podílet na tvorbě kritérií klasifikace reprezentanti obcí a do jaké míry výzkumný tým. Výzkumníci sice mohou mít o regionálních jevech řadu informací či poznatků, z toho ale neplyne, ţe jim rozumějí a ţe je dovedou vysvětlit. Endogenní přístup pak znamená opačné riziko – nedorozumění v řadě bodů a tudíţ deformovaný obraz regionální problematiky.

2


Šilheřovice 2008

Proto výzkumný tým opět volí paralelní strategii a ta se promítá do koncipování předmětu výzkumu: nemůţe být vymezen pouze zvenčí, výzkumníky a experty, ale také zevnitř – reprezentanty objektu výzkumu. První skupinu metodologických východisek vyţadujících analytické vyhodnocení a následnou volbu tvoří existující výzkumná paradigmata, od nichţ se odvíjejí strategické moţnosti výzkumů. Platí totiţ teze, podle níţ jak objekt, tak předmět výzkumu nejsou objektivní realitou (to jen jedna z moţností: pozitivistická, případně postpozitivistická), ale jsou výsledkem komunikovaných konstrukcí a interpretací (konstruktivistické paradigma výzkumu) anebo obapolně vytvářených informací a poznatků (participativní paradigma akčního výzkumu). Druhou skupinu metodologických východisek vyţadujících analytické vyhodnocení a následnou volbu představují teorie regionálního rozvoje, jeţ jsou rovněţ paradigmaticky uspořádány a máme dnes o nich dobrý přehled (Blaţek, Uhlíř, 2002 nebo Pike, RodríguezPose, Tomaney, 2006). Při volbě metodologií výzkumů od těchto teorií nelze odhlíţet, neboť kontextuálně váţí všechny důleţité pojmy, jichţ se ve výzkumu pouţívá. Začíná to jiţ samotným pojmem region, který vyjadřuje určité uspořádání sociálního prostoru: jak toto uspořádání vzniká, to variuje od teorie k teorii a není tedy moţné pouţívat pojem region „jen tak“, volně, bez kontextuální vazby na určitou jasně vymezenou teorii. Tímto způsobem, analytickým vyhodnocením metodologických a heuristických konsekvencí výzkumných paradigmat na straně jedné a teorií regionálního rozvoje na straně druhé, je získání poměrně jasného obraz op tom, co můţe která výzkumná metodologie přinést. Metodologické zaloţení výzkumných prací vychází z metod a východisek paradigmat konstruktivismu a paradigmatu participativního jako dvou výzkumných přístupů nepozitivistického typu. Ukázalo se totiţ jiţ v počátcích koncipování výzkumných prací, ţe nelze ignorovat poznání a názory místních obyvatel právě proto, ţe klademe důraz na rozvoj, nikoliv jen na růst. Konstruktivistický přístup dovoluje identifikovat či rekonstruovat představy místních lidí o všech základních jevech (region, zdroje, cíle, rozvoj etc.), které chce výzkum sledovat (Hubík, 2006) a takto zajišťuje validitu získaných poznatků vůči endogenním (v angličtině indigenous – nikoliv endogenous) cílům a názorovým orientacím. Participativní přístup koncipovaný v našem případě jako akční výzkum jde ještě o krok dál neţ konstruktivistická metodologie a z místních lidí dělá dočasně rovnocenné partnery, podílející se rovným dílem na tvorbě výzkumných poznatků spolu s výzkumníky (Hubík, 2004), coţ výše zmíněnou validitu poznatků zajišťuje rovněţ. Teorie regionálního rozvoje dnes tyto dva paradigmatické výzkumné přístupy řadí mezi přístupy typické pro teorie „post-developmentalismu“, coţ jsou teorie, které odůvodněně rezignovaly na úsilí o jednoznačné stanovení základních parametrů regionu, regionálního rozvoje a souvisejících jevů (Pike, Rodríguez-Pose, Tomaney, 2006). Pod vlivem poststrukturalismu a diskursu postmodernismu tyto teorie přitakávají pluralismu jak teorií, tak metodologií ve výzkumné práci. Výsledkem je – mimo jiné – právě opuštění pozitivistického výzkumného dogmatismu a věnování větší pozornosti místním lidem (insiders) a jejich regionálním problémům, coţ jsou problémy, jeţ pozitivistická metodologie neřeší.

3


Šilheřovice 2008

Konkrétní formy nabývají uvedené paradigmatické výzkumné přístupy v koncepci sociální kartografie, která je v našem výzkumu regionálních disparit jiţ bezprostředně pouţitelná pro tvorbu jak konkrétních výzkumných metod, tak výzkumných technik sběru informací. Rozhodovací proces při tvorbě výzkumné metodologie znázorňuje Obr. č. 1.

Obrázek č. 1: Postup tvorby výzkumné metodologie Cíl výzkumu:

analytická komparace disparit mezi mikro/regiony reprezentovaných rozdílným sociálním a kulturním kapitálem

Dílčí cíl výzkumu:

identifikace mikro/regionálních konstrukcí sociálního a kulturního kapitálu

předmět výzkumu: sociální a kulturní kapitál

v místě, v mikroregionu, v regionu

objekt výzkumu: respondenti

z obcí, z mikroregionů, ze správních institucí

technika:

technika:

interview

interview

metoda:

narativní výzkum

metoda:

metodologie: sociální kartografie

výzkumné paradigma:

akční výzkum

výzkumné paradigma:

sociální konstruktivismus

participativní výzkum

teorie:

post-developmentalismus


4


Šilheřovice 2008

Region je výsledkem buďto speciální kartografie (například politické) anebo sociální kartografie (Paulston, Liebman, 1994), jeţ je sociálně ukotvená. Kaţdá kartografie je záleţitostí v prvé řadě estetickou v původním slova smyslu – to jest záleţitostí percepce. Pozitivistický přístup k objektům kartografie estetickou dimenzi jako kognitivní předpoklad nebere v úvahu a povaţuje kartografii za záleţitost určenou především formálně speciálními principy expertů. Obecným východiskem sociální kartografie je tvrzení, podle něhoţ mapa spíše portrétuje vnímání sociálního světa tvůrcem, neţli portrétovaný svět/prostor. Rozhodující pro tvorbu mapy je percepce prostoru v určitém sociálním a kulturním kontextu – tedy sociální percepce. Prostor, který je mapován, patří k určitému sociálnímu kontextu a aktéři tohoto kontextu mají své vlastní „kartografické“ poznatky tomuto prostoru/kontextu odpovídající. Jak ukazují Pike a spol. (Pike, Rodríguez-Pose, Tomaney, 2006), při endogenní (indigenous) analýze regionálních jevů lze pouţít teze různých teorií regionálního rozvoje. Cílem sociální kartografie v našem výzkumu je prostorové uspořádání sociálního a kulturního kapitálu na lokální, mikroregionální a regionální úrovni. Metodou identifikace obou druhů kapitálu a dalších souvisejících znaků je zde akční výzkum s převládající technikou semistandardizovaného rozhovoru vedeného jednoduchým schématem; získané výsledky jsou zpracovány faktorovou analýzou. Paralelně či komplementárně „mapuje“ výzkumný tým tutéţ problematiku pomocí standardní metodologie (post)pozitivistického výzkumného paradigmatu, zaloţené jak na analýze „měkkých“ dat získaných dotazníkovým šetřením stejných objektů výzkumu, jako ve výše uvedeném případě, tak na analýze „tvrdých“ dat čili statistických zdrojů. Mapu regionálních disparit tak vytvářejí jak insiders, tak outsiders, zdrojem jsou jak „tvrdá“, tak „měkká“ data.

Analýza kvality života v regionech Vývoj disparit mezi regiony je posuzován, jak bylo jiţ uvedeno, z pohledu přírodních zdrojů, sociálních a kulturních zdrojů a ekonomické výkonnosti regionu. Při hodnocení disparit ve vyuţití přírodních zdrojů je posuzován vývoj zejména přírodních podmínek, zemědělsky obhospodařované plochy, zalesněných ploch, vodních ploch a zdrojů, vyuţití přírodních zdrojů pro turistiku a cestovní ruch, v oblasti ochrany přírodních zdrojů jsou posuzovány investice na ochranu ţivotního prostředí, ekonomický přínos z aktivit na ochranu ţivotního prostředí, koeficient ekologické stability, produkce komunálních odpadů celkem a na 1 obyvatele apod. (Jánský, Ţivělová, Kupčák 2008). Indikátory kvality ţivota z pohledu sociálních a kulturních zdrojů posuzují zejména věkovou a vzdělanostní strukturu obyvatelstva, občanskou vybavenost, problematiku migrace, zaměstnanost a pracovní příleţitosti, vytváření nových pracovních příleţitostí, dopravní obsluţnost i úroveň infrastruktury, sociální zabezpečení obyvatel, úroveň zdravotní péče, občanskou vybavenost apod. (Ţivělová, Jánský 2008). Analýza regionálních disparit v oblasti ekonomické výkonnosti posuzuje stav a strukturu podnikatelské sféry, zejména z pohledu zastoupení předmětu činnosti, velikosti podniků i základních právních forem podnikání, podnikatelskou aktivitu, tvorbu hrubého domácího produktu celkem i na 1 obyvatele regionu v Kč i v PPS, resp. na 1 zaměstnance, hrubou přidanou hodnotu celkem i podle hlavních odvětví národního hospodářství a hrubý fixní kapitál v regionu celkem i na 1 obyvatele regionu. Pozornost je zaměřena i na rozvoj malého

5


Šilheřovice 2008

a středního podnikání v průmyslu, stavebnictví, sluţbách a zemědělství, podporu šíření inovací, vytváření podnikatelských zón, regionálního marketingu, zpracování regionálních rozvojových programů apod. (Ţivělová, Jánský 2007). K popisu a charakteristice dat jsou zvoleny metody deskriptivní statistiky. Základní statistické charakteristiky určují polohu středu a variabilitu rozdělení dat, rozdělení četností je vyjadřováno i graficky. Uţitím popisných charakteristik je získán přehled o velikosti vybraných ukazatelů v jednotlivých letech a současně i informace o vyrovnanosti či kolísavosti hodnot sledovaných ukazatelů v jednotlivých regionech a subregionech. Na tomto základě je moţno definovat skupiny indikátorů, jejichţ vývoj má obdobné tendence a skupiny indikátorů specifických pro jednotlivé oblasti. Pro popis vývojových tendencí jsou uţity bazické a řetězové indexy a průměrný koeficient růstu. Pomocí řetězových indexů jsou sledovány změny ukazatele v jednotlivých letech. Průměrný koeficient růstu pak udává, k jaké změně v průměru dochází v jednotlivých letech. Jeho pouţití má smysl v řadách monotónních, v řadách s výrazně kolísajícími hodnotami indikátorů není jeho pouţití vhodné. Pouţity jsou i analýzy časových řad, u nichţ jsou vyuţity jak klasické trendové modely, tak modely exponenciálního vyrovnání. Výsledky analýzy časových řad poskytují informace o vývojových tendencích jednotlivých indikátorů, o velikosti změn v čase a jejich tempu a umoţní další jiţ detailnější posouzení shodných i odlišných vývojových tendencí vývoje ukazatelů v jednotlivých regionech i subregionech. Pro hodnocení vzájemného působení skupin indikátorů za jednotlivé oblasti kvality ţivota regionu či pro všechny indikátory pak jsou vyuţity metody vícerozměrné statistické analýzy. Z nich bude vyuţita zejména faktorová analýza a analýza hlavních komponent. Pro uspořádání zkoumaných objektů do relativně stejných skupin a určení pořadí objektů v těchto skupinách je uţito metod shlukové analýzy. Uvedený metodický postup byl dosud ověřován na okresech Jihomoravského kraje na výsledcích let 2002 aţ 2006. Získané výsledky potvrzují vhodnost zvolených postupů, neboť vedou k odhalení rozdílů mezi regiony ve sledovaných oblastech. Např. při sledování vybraných ukazatelů, charakterizujících trh práce, jsou rozdíly ve vývoji vybraných ukazatelů patrné z údajů v tabulce 1.

6


Šilheřovice 2008

Tabulka č. 1: Charakteristika vývoje ukazatelů nezaměstnanosti v letech 2002 až 2006 Okres

Variační koeficient

Průměrný koeficient růstu

Počet uchazečů o zaměstnání celkem 6,27 0,9647 9,34 0,9474 7,31 0,9626 7,33 0,9548 5,60 0,9687 5,60 0,9708 11,80 0,9420 3,98 0,9842 Počet uchazečů o 1 volné pracovní místo

Jihomoravský kraj Blansko Brno-město Brno-venkov Břeclav Hodonín Vyškov Znojmo Jihomoravský kraj Blansko Brno-město Brno-venkov Břeclav Hodonín Vyškov Znojmo

40,27 49,72 47,79 39,00 26,23 45,54 40,27

Průměrné tempo přírůstku (úbytku) -3,53 -5,26 -3,74 -4,52 -3,13 -2,92 -5,80 -1,58

0,7401 0,7274 0,7227 0,7268 0,8330 0,6481 0,7127

-25,99 -27,26 -27,73 -27,32 -16,70 -35,19 -28,73

Zdroj: vlastní výpočty

Z dendrogramu, uvedeného v obr. 2, je patrné rozdělení sledovaných okresů do obdobně se chovajících skupin. Ty tvoří tři shluky, z nichţ první obsahuje 2, druhý 2 a třetí 3 okresy: (1) – Blansko, Brno-venkov, (2) – Brno-město, Vyškov a (3) – Břeclav, Hodonín, Znojmo.

Obrázek č. 2: Dendrogram z měr registrované nezaměstnanosti a z počtu uchazečů o 1 volné pracovní místo v okresech Jihomoravského kraje 2006 13 12 11

Vzdálenost

10 9 8 7 6 5 4 3 2 1 0

1

2 3

4 6 S hluky

7 5

(1 – Blansko, 2 – Brno-město, 3 – Brno-venkov, 4 – Břeclav, 5 – Hodonín, 6 – Vyškov, 7 – Znojmo)


7


Šilheřovice 2008

Rozpracování a další aplikace uvedených matematicko-statistických metod bude předmětem výzkumných prací v následujících letech řešení projektu.

Zjišťování faktorů ovlivňujících kvalitu života v regionech V návaznosti na zvolené metodické postupy je zjišťování faktorů ovlivňujících kvalitu ţivota ve vybraných regionech prováděno dvěma způsoby.

První způsob je zaloţen na vyuţití kvalitativních metod, s vyuţitím zejména metody sociální kartografie. Zobecnění získaných výsledků pro zkoumaný sociální prostor, ve výzkumném projektu pro obce a mikroregiony, však nelze dosáhnout „měkkými“ postupy kvalitativních výzkumných strategií. Aby bylo moţno zobecnění provést, je nezbytné postupy kvalitativní propojit s kvantitativním zkoumáním. K tomu je zapotřebí provést terénní šetření ve vybraných obcích. Cílem je nalézt konkrétní sociální skutečnost, vypovídající o kulturním a sociálním kapitálu obcí. Hlavní teoretická východiska projektu předpokládají vyuţití metodického postupu, pomocí něhoţ je moţno empiricky identifikovat relativně ustálené, aţ institucionalizované typy sociálního a kulturního kapitálu v obci nebo v mikroregionu. Výsledek zkoumání je buď sdílen významným počtem zkoumaných respondentů v daném souboru, potom ho lze povaţovat za součást kolektivního vědomí občanů nebo jde o výsledek zkoumání, který není sdílen významným počtem zkoumaných osob. Tento výsledek je spíše vázán na vědomí jednotlivce, nikoliv skupiny občanů. Ke zjišťování potřebných výsledků je pouţita technika interaktivního výzkumu, jehoţ základem je polostandardizovaný rozhovor. Standardizace spočívá ve dvou podmínkách – v nutnosti v kaţdém interview pouţít a opakovaně vyčerpat přesně stanovený slovník a v nutnosti umístit na připravené škále prvek reprezentující zkoumanou otázku. Pouţití slovníku zajišťuje první cíl kaţdého kvalitativního zkoumání, jímţ je porozumění. Pouţití škály zajišťuje moţnost měření, které je smyslem kaţdého kvantitativního výzkumu. Pouţití slovníku je interaktivní – tazatel stimuluje v komunikativní interakci respondenta k pouţívání téhoţ slovníku. Pouţívání škály je plně v rukou tazatele. Tazatel musí posoudit, zda a do jaké míry se shoduje s respondentem na identifikaci zkoumané otázky a musí v určité fázi umět rozhovor ukončit a rozhodnout, kam na stupnici hodnocení umístí odpovědi respondenta. Tato aktivita vyţaduje náročnou přípravu tazatele, která se blíţí výcviku. Způsob dotazování i hodnocení lze uvést na následujících příkladech.

8


Šilheřovice 2008

Sociální konstrukce obce (mikroregionu) - příklad: Percepce rozvoje obce - míra osobní identifikace s obcí (mikroregionem) Na rozvoji obce (mikroregionu) mi

← málo

osobně záleží především z důvodů

velmi →

1.

ekonomických

1

2

3

4

5

6

7

2.

sociálních

1

2

3

4

5

6

7

3.

kulturních

1

2

3

4

5

6

7

4.

morálních

1

2

3

4

5

6

7

5.

tradičních

1

2

3

4

5

6

7

6.

rodinných

1

2

3

4

5

6

7

Sociální konstrukce přírodního kapitálu - příklad: Přírodní kapitál v rozvoji obce (mikroregionu) - nový Místní přírodní zdroje mohou přispět ke

← málo

zlepšení ţivota obce (mikroregionu)

velmi →

1.

Krajina – rekr./turist. Standardní

1

2

3

4

5

6

7

2.

klima – rekr./turist. Standardní

1

2

3

4

5

6

7

3.

Krajina – nová infrastruktura

1

2

3

4

5

6

7

4.

Krajina – nové naturo/arte fakty

1

2

3

4

5

6

7

5.

alternativní zdroje energie

1

2

3

4

5

6

7

6.

alternativní sídliště

1

2

3

4

5

6

7

Sociální konstrukce sociálního kapitálu - příklad: Sociální kapitál v rozvoji obce (mikroregionu) Jaké známosti a kontakty přispívají

← málo velmi →

k rozvoji obce (mikroregionu)? 1.

příbuzenské, subjekty

2.

na

podnikatelské

1

2

3

4

5

6

7

profesní, na podnikatelské subjekty

1

2

3

4

5

6

7

3.

profesní, na politické subjekty

1

2

3

4

5

6

7

4.

politické, na podnikatelské subjekty

1

2

3

4

5

6

7

5.

politické, na politické subjekty

1

2

3

4

5

6

7

6.

koncentrované do skupiny/sítě

1

2

3

4

5

6

7

9


Šilheřovice 2008

Druhý způsob zjišťování faktorů ovlivňujících kvalitu ţivota ve vybraných regionech vyuţívá i strukturovaného dotazníku. Cílem kladených otázek je zjistit názory obyvatel i představitelů obcí na problémy příslušného regionu. Z tohoto důvodu je dotazník směrován ke dvěma skupinám respondentů, a to starostům obcí a obyvatelům obcí, spadajících do vybraných mikroregionů, přičemţ u obou skupin respondentů je část otázek zaměřena na zjištění názorů na úlohu a poslání mikroregionů a jejich přínos ke kvalitě ţivota v obci. Druhá část otázek je zaměřena na kvalitu ţivota v konkrétní obci. V první fázi šetření je do průzkumu zahrnuto 70 obcí, z toho 14 obcí v mikroregionu Podluţí, 24 obcí v mikroregionu Hranicko, 16 obcí v mikroregionu Běleč a 16 obcí v mikroregionu Lučina. U starostů obcí, je kromě jiţ uvedených dotazů na poslání a přínos mikroregionu pro jimi řízenou obec, zjišťováno i případné zapojení do dalších regionálních svazků, zejména euroregionů, případně místních akčních skupin. Posuzována je i úroveň spolupráce s krajskými orgány. Pozornost je věnována moţnosti zvýšení kvality ţivota v obci z pohledu lepšího vyuţití přírodních zdrojů, zvýšení ochrany ţivotního prostředí, zlepšení občanské a technické vybavenosti i moţné zvýšení zaměstnanosti obyvatel obce. Náhodně vybraní občané obcí byli osloveni s obdobnými dotazy jako starostové, s cílem zjistit i úroveň informovanosti obyvatel o dění v obci, o problémech dané obce i o dalších záměrech v rozvoji obce. Dosud bylo osloveno 70 starostů a 259 občanů, výsledky průzkumu jsou průběţně vyhodnocovány.

Závěr Současná teorie vědy a vědeckého výzkumu rozeznává dle různých autorů dvě skupiny paradigmat podmiňujících volbu výzkumných strategií, metod a technik. Jednak skupinu zaloţenou v metodologických idejích pozitivismu a jeho postupně vzniklých, i oslabených variant; jednak skupinu zaloţenou původně v symbolickém interpretativismu a jeho dalších variantách, podloţených fenomenologií a hermeneutikou. Výzkumný tým zvolil metodologii, která čerpá z obou skupin paradigmat – koncepty první paradigmatické skupiny umoţňují kvantitativní výzkum problematiky, tedy měření, koncepty druhé paradigmatické skupiny umoţňují kvalitativní výzkum a tedy porozumění interpretacím místních reprezentantů objektu výzkumu (mikroregionu, akční skupiny). Zjišťované faktory ovlivňující kvalitu ţivota ve vybraných mikroregionech budou součástí celkového hodnocení kvality ţivota v mikroregionech, které bude zahrnovat i obdobné kvantitativní charakteristiky, jaké jsou pouţity k analýze kvality ţivota v krajích. Kvantitativní charakteristiky vycházejí z dostupných statistických údajů i vlastního šetření a budou slouţit i pro stanovení regionálních disparit.

Literatura 1) BLAŢEK, J., UHLÍŘ, D. Teorie regionálního rozvoje. Praha: Karolinum, 2002. 2) BRYMAN, A., BELL, E. Business Research Methods. Oxford: Oxford University Press, 2007.

10


Šilheřovice 2008

3) DENZIN, N., LINCOLN, Y.S., eds. The SAGE Handbook of Qualitative Research. SAGE: Thousand Oaks, CA: Sage, 2005. 4) HUBÍK, S. Social construction of local/regional capital – methodology. Agricultural Economics, 50, 2004, No. 10, s. 445-449. 5) HUBÍK, S. Sociální konstrukce regionu. Brno: MZLU-MSD, 2006. 6) JÁNSKÝ, J., ŢIVĚLOVÁ, I. : Faktory ovlivňující ekonomickou výkonnost regionů. Sborník příspěvků z mezinárodní vědecké konference Podnikanie a konkurencieschopnosť firiem. Bratislava 2008, s. 184-188, ISBN 978-80-225-2552-7. 7) JÁNSKÝ, J., ŢIVĚLOVÁ, I., KUPČÁK, V.: Analýza kvality ţivota z pohledu přírodních zdrojů v krajích ČR. Sborník příspěvků z mezinárodní vědecké konference Aktuálne problémy a perspektivy agrárného sektora. Podkylava 2008, v tisku. 8) PALÁT M., BODEČKOVÁ, B., MACA, E.: Development of production intensity of Czech agriculture in 1998-2004 and its short-term forecast. Acta univ.Agric.et Silvic. Mendel. Brun., 2007, vol. LV, no 3, pp. 85-95. ISSN 1211-8516. 9) PAULSTON, R.G.-LIEBMAN, M.: An invitation to postmodern social cartography. Comparative Education Review, Vol. 38, 1994, No. 2, pp. 215-232. 10) PIKE, A., RODRÍGUEZ-POSE, A., TOMANEY, J. Local and Regional Development. London and New York: Routledge, 2006. 11) ŢIVĚLOVÁ, I., JÁNSKÝ, J. Metodologické přístupy k hodnocení ekonomické výkonnosti regionu. In: Účetnictví a reporting udrţitelného rozvoje na mikroúrovni a makroúrovni. Praha: Ministerstvo ţivotního prostředí, 2007, s. 215-220. ISBN 978-807194-970-1. 12) ŢIVĚLOVÁ, I., JÁNSKÝ, J.: Analýza kvality ţivota z pohledu sociálních a kulturních zdrojů v krajích České republiky. Sborník z mezinárodní vědecké konference Účetnictví a reporting udrţitelného rozvoje na mikroekonomické a makroekonomické úrovni. Brno 2008, s. 241-246, ISBN 978-80-7395-080-4

KONTAKTNÍ ADRESA Doc. Ing. Jaroslav Jánský, CSc. , [email protected], Prof. Ing. Prof. PhDr. Stanislav Hubík, CSc., [email protected], Prof. Ing. Iva Ţivělová, CSc.,zi [email protected], Fakulta regionálního rozvoje a mezinárodních studií MZLU v Brně , Zemědělská 1, 613 00 Brno, Česká republika

11


Šilheřovice 2008

METODICKÉ PŘÍSTUPY KE KARTOGRAFICKÉMU ZNÁZORNĚNÍ DISPARIT V KRAJÍCH PhDr. Iva Galvasová, Mgr. Kateřina Chabičovská (Příspěvek vznikl jako výstup dílčích výsledků výzkumného úkolu Ministerstva pro místní rozvoj ČR č. WD-39-07-1 „Rozvojový interaktivní audit“, jehoţ řešitelem je společnost GaREP, spol. s r.o. Ucelená část tohoto výzkumu byla zpracována jako součást rigorózní práce spoluautorky Mgr. Chabičovské).

Abstrakt Neţ vznikly krajské samosprávy, byla regionální politika realizována především z úrovně centrálních orgánů; po vzniku krajů byly určité kompetence a povinnosti přeneseny na jejich úroveň. Současně se zvýraznila potřeba identifikovat území, v nichţ se kumulují problémy podvazující ţádoucí rozvoj krajů, poznat jejich příčiny a lépe specifikovat moţnosti jejich řešení. Příspěvek vychází z kontextu disparitně pojaté regionální politiky, stručně představuje některé přístupy uţívané k vymezení problémových území (potaţmo regionálních disparit) a presentuje vybrané aspekty inovativního metodického přístupu k vyjádření vnitroregionálních rozdílů, zaloţeného na vyuţití kartografické vizualizace. Hlavním smyslem vyuţití tohoto přístupu v regionální politice krajů je rozvinutí poznatků pro nastavení relevantních rozvojových nástrojů ke zmírňování neţádoucích regionálních disparit na jejich území.

Klíčová slova Disparity, Kartografická vizualizace, Kraj, Regionální politika, Socioekonomická syntéza.

Abstract Before regional governments were established, the regional policy was realised from the centre. Then some competences were transferred to regions. Regions needed to identify their sub-regions in which some problems cumulate, find what are these problems caused by and how can they be solved. In this article are briefly presented some approaches to delimitation of disparity sub-regions and also an innovative methodical approach to expression of disparities among sub-regions by using cartographic visualization. Regions can make the best of this innovative approach by better understanding how to set up some development instruments for reducing disparities among sub-regions.

Keywords Disparities, Cartographic visualization, Region, Regional policy, Socioeconomic synthesis.

1


Šilheřovice 2008

Úvod Realizace regionální politiky na krajské úrovni je v současnosti jiţ neodmyslitelnou součástí realizace regionální politiky nejen státu, ale i Evropské unie. Je průsečíkem působení i nejrůznějších odvětvových politik (hospodářské, sociální, územního rozvoje apod.). S ohledem na skutečnost, ţe území států, regionů či oblastí jsou tvořena mozaikou různě velkých i různě vzdálených územních jednotek, nejčastěji vymezovaných v lokální úrovni katastry obcí, specifikovaných různými socioekonomickými charakteristikami, je pro podporu a usměrňování jejich rozvoje důleţité vyuţívat i adekvátní nástroje regionální politiky. Jejich relevantnost závisí na objektivitě poznání situace v daném prostoru a na volbě opatření adekvátního poznanému typu problému. V České republice aţ na několik výjimek stále převládá systém plošné aplikace rozvojových nástrojů, kdy obecně nastavená kritéria, která neakceptují významy regionálních disparit, zvyšují rozvojové šance spíše zkušeným a silným subjektům oproti slabším a méně dynamickým, coţ vytváří určitý protiklad deklarované snaze sniţování neţádoucích regionálních rozdílů. Tento paradox se neobjevuje jen na úrovni centrální, ale i ve vztahu krajů k rozvoji svého území. Na krajské úrovni lze přitom uplatnit řadu přístupů k nalezení regionálních rozdílů a poznání neţádoucích oblastí disparit, k jejich syntetickému uchopení a k přizpůsobení rozvojových aktivit charakteru jednotlivých lokalit. Za situace, kdy neexistuje jednotný přístup krajů k identifikaci a řešení disparit, si kraje vytvářejí vlastní metodiky. Tyto metodiky se liší v mnoha ohledech – od struktury pouţitých ukazatelů a způsobu výpočtu, přes prostorovou úroveň vymezovaných disparitních regionů, po následná realizovaná opatření. Tento stav můţe být do jisté míry způsoben i absencí koncepčního – centrálně daného či koordinovaného – přístupu ke krajům, který by nasměroval či usnadnil identifikaci problémů, vyskytujících se v jejich územních obvodech, které by měly být v krajích řešeny. Je však diskutabilní, otevřenou otázkou, do jaké míry je takový stav ţádoucí a pro který subjekt?!

Disparitní regionální politika Existují různé myšlenkové koncepty vysvětlující příčiny a moţnosti rozvoje regionů, které ovlivňují i pohledy regionální politiky. Důleţité jsou dva z nich. Jeden akcentuje regionální politiku jako politiku rozvojovou, která se zaměřuje na uchopení a podporu silných subjektů (regionů, obcí, podniků), schopných nejvíce přispět k rozvoji státu jako celku, které následně pozitivně ovlivňují rozvoj ostatních subjektů (Blaţek, Uhlíř, 2002). Druhý pohled směřuje k identifikaci a cílenému sniţování rozdílů mezi regiony, tj. ke sniţování regionálních disparit. Přestoţe se v realitě oba přístupy prolínají, preferován a prakticky realizován je zejména pohled druhý. Zjišťování regionálních disparit, podvazujících ţádoucí směry rozvoje příslušných regionů, a navrhování nástrojů vedoucích k odstranění neţádoucích dopadů poznaných disparit na jejich rozvoj je hlavním cílem regionální politiky ve většině evropských zemí i v EU jako celku. Snaha o sniţování disparit je zakotvena v legislativě EU (Akt o jednotné Evropě z r. 1986) i ČR (zejména zákon č. 248/2000 Sb., o podpoře regionálního rozvoje). Obecné příčiny disparit v ČR jsou identifikovány v Národním strategickém referenčním rámci ČR 2007-2013.

2


Šilheřovice 2008

V rámci různých politik sniţování disparit se dále liší i jednotlivé způsoby řešení jejich zmírňování nebo eliminace. Jedna rovina řešení se týká nastavení celkových (obecných) podmínek a nástrojů. Zde jde zejména o aktivity ze strany státní správy a z pohledu spíše centrální regionální politiky. Druhá rovina se týká iniciace a přímého zapojení těch jednotlivých aktérů v území, kteří vyuţívají disponibilních nástrojů a zdrojů a problémy skutečně řeší. Druhá rovina je tak ve vztahu k první nezbytným předpokladem. Zmiňovaný fakt je často příčinou slabé účinnosti či dokonce neúčinnosti tam, kde dochází pouze k vyuţívání obecně (plošně) vymezených jednotlivých nástrojů či teoretických konceptů a nedochází k potřebné součinnosti všech zainteresovaných subjektů při jejich vyuţívání. Zaměření regionální politiky a nastavení jejich nástrojů souvisí se znalostí procesů a jevů regionálního rozvoje a pochopení klíčových faktorů, které jej podmiňují. V případě disparitní regionální politiky je základním východiskem pro zmírňování meziregionálních a vnitroregionálních rozdílů jejich poznání s uplatněním objektivizujících syntetických nástrojů. Disparita je synonymem pro nerovnost, různost, rozdílnost. Disparita je strukturovaný jev tvořený systémem prvků, vazeb a vztahů, projevující se kumulací jevů – příznivých nebo nepříznivých – ovlivňujících rozvoj určité oblasti v daném prostoru (Galvasová et al., 2007a). Disparitami, které je třeba v rámci regionální politiky řešit, jsou rozdíly vyvolané subjektivní lidskou činností, nikoliv rozdíly vzniklé z objektivních příčin, například na základě přírodních podmínek. V oblasti regionálního rozvoje nás zajímají rozdíly regionální, tj. rozdíly mezi jednotlivými územními celky. O významu provázání jednotlivých ukazatelů socioekonomického rozvoje svědčí závěry z Monitoringu mikroregionů Jihomoravského kraje (2003), z něhoţ plyne, ţe dílčí disparity se zpravidla nevyskytují samostatně, ale dochází k jejich kumulaci, tj. ke koncentraci problémových jevů do určitých území. Zkoumání disparit by mělo slouţit jako podklad pro aplikaci nástrojů regionální politiky. Při vymezování problémového území v rámci uplatnění centrální regionální politiky nabývá na významu rozlišení dílčího pohledu na územní rozdíly a uplatnění syntetických indikátorů. Současná praxe tyto přístupy ještě neuplatňuje plně, přestoţe většina výběrů je jiţ vícekriteriálních. Například při vymezení regionů se soustředěnou podporou státu jsou vyuţívány ukazatele čtyři (resp. 7): nezaměstnanost1 (váha 0,4), daňové příjmy na 1 obyvatele (0,15), počet podnikatelů na 1000 obyvatel (0,15) a kupní síla obyvatel (0,3). Na krajské úrovni se vyskytuje celá řada přístupů k vymezení hospodářsky slabých území - od vyuţití pouze ukazatele míry nezaměstnanosti v Karlovarském kraji po uţití 30 ukazatelů (v několika tematicky zaměřených mapách) v Královéhradeckém kraji. Pro volbu přístupu k vymezení uvedených území je zásadní účel tohoto vymezení a s tím související moţnost aplikace vhodných nástrojů či opatření pro řešení nalezených disparit.

1

Ukazatel „nezaměstnanost“ je souhrnným hodnocením situace na trhu práce zahrnujícím míru nezaměstnanosti, dlouhodobou nezaměstnanost a počet uchazečů na jedno volné pracovní místo.

3


Šilheřovice 2008

Přístupy k vymezování územních a odvětvových disparit v krajích Nalezení regionálních rozdílů je podkladem pro zaměření podpory rozvoje v jednotlivých oblastech kraje a přispívá k účinnějšímu zacílení vyuţitelných nástrojů. Pro nalezení disparitních území je důleţité sledovat (v ideálním případě) situaci jednotlivých obcí, coţ je ovšem limitováno dostupností potřebných informačních podkladů. V praxi kraje vymezují jako disparitní území téměř výhradně větší územní jednotky, nejčastěji obvody POÚ; jiné prostorové jednotky – okresy, ORP, obce – jsou pouţívány jen v ojedinělých případech. Volba dané úrovně závisí mimo jiné i na velikosti jednotlivých typů administrativně-správních jednotek v daném kraji. Tato prostorová generalizace krajům umoţňuje aplikovat rozvojové nástroje v širším území, a tak podpořit synergický efekt vynaloţených prostředků. Na druhou stranu můţe mít generalizace také negativní efekt, kdy smazává rozdíly mezi jednotlivými obcemi v rámci dané administrativně-správní jednotky. V rámci výzkumného projektu „Rozvojový interaktivní audit“ a návazně ve výše zmíněné rigorózní práci byla provedena obsahová analýza programů rozvoje všech krajů ČR, jejímţ cílem bylo analyzovat přístupy krajů k vymezování disparit ve svém územním obvodu. Při hodnocení územních a odvětvových rozdílů jsou v krajích nejčastěji vymezována „problémová“ území, tj. území s kumulací nepříznivých jevů. Přitom kraje postupují dvěma základními způsoby: buďto na svém území vymezí pouze ta území, jeţ jsou problémová, nebo klasifikují celé své území podle „intenzity rozvojových předpokladů“ do tří aţ pětistupňové škály (počet stupňů se u jednotlivých krajů liší). Pro zacílení regionální podpory je vhodnější klasifikovat celé území kraje. V takovém případě je totiţ moţné nejen identifikovat území s největší kumulací problémů, ale také jednotlivé dílčí regiony vzájemně srovnávat a hodnotit tak jejich situaci i relativně. Jak vyplynulo z analýzy programů rozvoje krajů, tento postup není příliš rozšířen - uplatňují jej pouze tři kraje (Jihomoravský, Královéhradecký a Zlínský). Některé z krajů rozlišují v návaznosti na zákon o podpoře regionálního rozvoje a Strategii regionálního rozvoje ČR dva typy disparitních regionů – strukturálně postiţené a hospodářsky slabé. Kraje Jihomoravský a Královéhradecký rozpracovaly typologii disparitních regionů ještě podrobněji; rozlišují několik oblastí socioekonomických podmínek, které jsou hodnoceny samostatně. V Jihomoravském kraji bylo vytvořeno také celkové syntetické hodnocení situace. Metodiky těchto dvou krajů tedy budou podrobněji představeny dále. Důvodem pro hlubší analýzu těchto kartografických přístupů byla dlouhodobá zkušenost s mapovým znázorňováním regionálních disparit a související snaha o precizování způsobu, jakým jsou disparity vyjadřovány a prezentovány. Metoda kartografické vizualizace je velmi vhodným způsobem, jak přehledně znázornit celkovou situaci v území i jeho dílčí problémy. Klíčovým aspektem pro kvalitní kartografické znázornění je volba ukazatelů s ohledem na jejich vypovídací schopnost. Limitem pro pouţití ukazatelů je také jejich dostupnost (prostorová i časová).

4


Šilheřovice 2008

Metodika kartografického znázornění disparit (na příkladu Jihomoravského a Královéhradeckého kraje) Identifikace územních a odvětvových disparit umoţňuje lépe poznat regiony, v nichţ se kumulují příznivé nebo nepříznivé podmínky pro rozvoj, čili regiony s dobrými či špatnými rozvojovými předpoklady. Kraje pouţívají více či méně sofistikované přístupy k vymezení a kartografickému znázornění disparit v jejich územním obvodu. Extrémním příkladem je Karlovarský kraj, v jehoţ programu rozvoje (na období 2004-2006) byly vymezeny disparitní regiony pouze na základě míry nezaměstnanosti. Naopak velmi propracované metodiky mají kraje Jihomoravský a Královéhradecký. Jihomoravský kraj v Aktualizaci programu rozvoje (2006) identifikuje disparitní regiony na úrovni obcí, výsledné hodnocení rozvojových předpokladů je zpracováno za obvody POÚ. Pro Aktualizaci byly inovovány kartogramy vytvořené v roce 2002 pro dokument Průmět strategických dokumentů do území JMK. Pro konstrukci kartogramů byly nejprve vybrány dílčí (tematické) socioekonomické ukazatele, sledované za jednotlivé obce, a upraveny do podoby tzv. syntetických ukazatelů (indexů); z nich pak byly vytvořeny monotematické kartogramy. Ty poslouţily k získání podrobného přehledu o situaci obcí v dané tematické oblasti. Tematických oblastí bylo stanoveno pět – hospodářství, lidské zdroje, trh práce a zaměstnanost, technická infrastruktura, zemědělství a venkov. Tematické oblasti jsou shrnuty formou kartogramu socioekonomické syntézy, který je komplexním průřezem hodnotících ukazatelů, vyjadřujících stav socioekonomického rozvoje. Současně také komplexně a názorně vyjadřuje rozloţení sledovaných jevů v území kraje a dává základ pro značně komplexní přístup k identifikaci regionálních disparit. Aby bylo moţno jednotlivé tematické syntetické ukazatele sloučit do souhrnného indexu, byl kaţdý ukazatel přepočítán na sjednocující škále (v rozmezí 0 aţ 100). Dle charakteru ukazatele bylo nejvyšší hodnotě přirazeno maximum či minimum (viz jednotlivé ukazatele). Pro výpočet souhrnného indexu byly vyuţity následující ukazatele: 

Vývoj počtu obyvatel (max=100),



Podíl obyvatel s maturitou a vyšším vzděláním (max=100),



Počet podnikatelů na 1000 obyvatel (max=100),



Podíl obyvatel zaměstnaných v primárním sektoru hospodářství (min=100),



Podíl obyvatel zaměstnaných v terciérním sektoru hospodářství (max=100),



Míra nezaměstnanosti (min=100),



Napojení na technickou infrastrukturu (max=100),



Podíl trvale obydlených domů postavených před rokem 1945 (min=100),



Hustota zalidnění (max=100).

Podle hodnoty, kterou sledovaný údaj dosáhl na sjednocující škále, bylo rozlišeno pět typů obcí odráţejících různou intenzitu rozvojových předpokladů: silné, rozvojové, neutrální, ohroţené, slabé. Obce byly do jednotlivých skupin zařazovány ne podle četností (např. 20 %

5


Šilheřovice 2008

nejhorších), ale podle hodnoty syntetického indexu. Tento přístup umoţnil poznat jak rozloţení rozdílů, tak i jejich intenzitu. V Aktualizaci programu rozvoje byly kartogramy z roku 2002 srovnány se stejnými mapami vytvořenými s pouţitím aktuálních dat. Hlavní inovací oproti roku 2002 bylo vytvoření souhrnného kartodiagramu, který v podkresu znázorňuje celkovou situaci (analogicky jako socioekonomická syntéza v roce 2002) a sloupcovým grafem vyjadřuje situaci za jednotlivé tematické oblasti (viz obr. č. 1).

Obrázek č. 1: Rozvojové předpoklady obvodů POÚ v Jihomoravském kraji

Zdroj: Aktualizace návrhové části Programu rozvoje Jihomoravského kraje (2006).

Ve Strategii rozvoje Královéhradeckého kraje 2006-2015 (2007) byly regionální disparity zjišťovány na úrovni obvodů POÚ. V případě nedostupnosti dat bylo pouţito hodnocení pouze za hierarchicky vyšší územní jednotky, tj. obvody ORP. Některá data (výše daně z příjmu či ze závislé činnosti) jsou dostupná pouze za obvody finančních úřadů, takţe bylo nutné provést hodnocení za tato území, která ovšem nejsou identická s administrativně-správním členěním. Disparity na území Královéhradeckého kraje byly zjišťovány ve čtyřech tematických okruzích. Ve dvou z těchto okruhů byly hodnoceny vţdy dvě charakteristiky, takţe vzniklo celkem šest map. Struktura okruhů a kartogramů je následující: 

Populační potenciál,



Ekonomická výkonnost (počet ekonomických subjektů a daňová výtěţnost),



Potenciál pracovní síly,

6




Šilheřovice 2008

Kvalita domovního a bytového fondu (vybavení technickou infrastrukturou, syntetické hodnocení bytového fondu).

Hodnocení disparit vychází (dle informací ze Strategie rozvoje) z konstrukce agregátní charakteristiky, sestavené na základě bodového ohodnocení pořadí POÚ dle jednotlivých ukazatelů, které tvoří daný agregát, tzn. tematický okruh nebo jeho část. Návrhy těchto ukazatelů odpovídají dostupnosti dat a vychází z expertního odhadu. Při konstrukci syntetických hodnocení byly rovněţ pouţity výsledky hodnocení korelačních závislostí. Korelace byla počítána za soubor 448 obcí Královéhradeckého kraje. Drobným negativem této metodiky je absence celkového syntetického hodnocení stavu jednotlivých POÚ. V následující části jsou vzájemně konfrontovány přístupy těchto dvou krajů k identifikaci disparit ve vybraných oblastech (trh práce a vybavenost území technickou infrastrukturou) a jejich kartografické vizualizaci. Tohoto příkladu lze vyuţít pro zdůraznění odpovědnosti expertů při vymezování indikátorů, jejichţ pomocí je prezentován sledovaný jev (a tedy hledáno „hodnotové“ vyjádření presentované disparity). Volba výchozích zdrojů dat, jejich „zástupců“ formou výběru ukazatele, můţe velmi významně ovlivnit věcné i prostorové vyjádření specifikace hledaných disparit a tím samozřejmě následně i volbu adekvátních nástrojů a opatření, směřujících ke zmírnění neţádoucích rozdílů, a následně k uplatnění konkrétní regionální politiky v daném kraji.

Tabulka č. 1: Ukazatele pro vymezení disparit v oblasti trhu práce a technické infrastruktury v metodikách Královéhradeckého a Jihomoravského kraje

Technická infrastruktura

Trh práce

Královéhradecký kraj

Jihomoravský kraj

podíl vysokoškolsky vzdělaných obyvatel míra ekonomické aktivity obyvatel

podíl obyvatel s maturitou a vyšším počet podnikatelů na 1000 obyvatel vzděláním

míra nezaměstnanosti

míra nezaměstnanosti

podíl pracovních sil v terciárním sektoru

míra dlouhodobé nezaměstnanosti

podíl domů vybavených přípojkou na

podíl domů napojených na kanalizaci

kanalizační síť podíl domů vybavených plynem

podíl bytů napojených na plyn

podíl domů vybavených vodovodem

podíl bytů napojených na vodovod

podíl domů vybavených ústředním topením

podíl domů postavených před rokem 1945

Zdroj: Analytická část Strategie rozvoje Královéhradeckého kraje 2006-2015 (2007); Aktualizace návrhové části Programu rozvoje Jihomoravského kraje (2006).

7


Šilheřovice 2008

Obrázek č. 2: Vymezení disparit v oblasti trhu práce (nahoře) a technické infrastruktury (dole) v Jihomoravském kraji podle metodik krajů Královéhradeckého (vlevo) a Jihomoravského (vpravo) Vymezení problémových území v JMK podle metodiky Královéhradeckého kraje (potenciál prac. síly)

Ukazatele: Podíl vysokoškolsky vzdělaných obyvatel Míra ekonomické aktivity obyvatel Míra nezaměstnanosti Podíl pracovních sil v terciérním sektoru Metodika: Součet pořadí dle jednotlivých ukazatelů

velmi příznivé hodnocení příznivé hodnocení průměrné hodnocení méně příznivé hodnocení nepříznivé hodnocení Vojenský újezd Březina (nehodnoceno)

N 0

10

20

30

40

50 km

Mapový podklad: ArcČR, ARCDATA Praha

Kateřina CHABIČOVSKÁ, Brno, 2008

Zdroj dat: ČSÚ, ÚP Brno-město

Vymezení problémových území v JMK podle metodiky Královéhradeckého kraje (vybavení tech. infrastrukturou)

Ukazatele: Podíl domů Podíl domů Podíl domů Podíl domů

připojených na kanalizaci vybavených vodovodem vybavených plynem vybavených ústředním topením

Metodika: Součet pořadí dle jednotlivých ukazatelů

velmi příznivé hodnocení příznivé hodnocení průměrné hodnocení méně příznivé hodnocení nepříznivé hodnocení Vojenský újezd Březina (nehodnoceno)

N 0

10

20

30

40

50 km

Mapový podklad: ArcČR, ARCDATA Praha Zdroj dat: ČSÚ

Kateřina CHABIČOVSKÁ, Brno, 2008

Zdroj: Chabičovská, K. (2008); Aktualizace návrhové části Programu rozvoje Jihomoravského kraje (2006)

V ukazatelích hodnotících trh práce se kraje poněkud rozcházejí; oba pouţily pouze jeden stejný ukazatel, míru nezaměstnanosti. V hodnocení vzdělanosti obyvatel, která je významným předpokladem konkurenceschopnosti regionů, je Královéhradecký kraj přísnější – zařazuje jen osoby s vysokoškolským vzděláním, zatímco Jihomoravský kraj pracuje s osobami s nejméně maturitou. Rozdíly jsou i v ukazatelích popisujících zaměstnanost. Zjednodušeně řečeno Královéhradecký kraj analyzuje zaměstnance, zatímco Jihomoravský kraj se věnuje zaměstnavatelům (včetně OSVČ). Ideální by bylo zkombinovat oba tyto přístupy. Technická infrastruktura je v obou krajích hodnocena velmi podobně. Kraje shodně posuzují plynofikaci, kanalizaci a vodovod, Královéhradecký kraj navíc vybavenost ústředním topením. Liší se ovšem v prostorových jednotkách – pracují s napojením domů, resp. bytů. Jako vhodnější se jeví pouţít napojení bytů, které umoţní přesněji postihnout situaci s ohledem na bytové domy. Jihomoravský kraj navíc zařadil stáří domů, pomocí něhoţ lze zhruba odhadnout stav (zachovalost) domovního fondu. Rozdíl v pouţitých ukazatelích se projevil i na kartografickém znázornění disparit ve shodném území (Jihomoravském kraji) na obr. č. 2. U kartogramů reprezentujících metodiku Královéhradeckého kraje jsou nejvíce problémová území znázorněna nejtmavší barvou, území s nejpříznivějšími podmínkami jsou nejsvětlejší. Škála metodiky Jihomoravského kraje jde od červené (disparitní území) po zelenou (území, kde je situace příznivá).

8


Šilheřovice 2008

Kartogramy vytvořené podle metodik obou krajů jsou zhruba podobné, ale při podrobnějším pohledu se projeví určité rozdíly mezi situací v jednotlivých obcích podle metodiky Jihomoravského kraje a situací za příslušný obvod POÚ podle metodiky kraje Královéhradeckého. U kartogramu trhu práce je rozdíl patrný např. v jihovýchodní nebo severozápadní části kraje, kde se problémy v POÚ jeví závaţnější neţ za jednotlivé obce. Paradoxně ještě významnější rozdíly se objevují u kartogramu vybavenosti technickou infrastrukturou (zejména severní okraj kraje – Letovicko). Z tohoto lze vyvodit, ţe výsledné vymezení disparitních regionů nezávisí pouze na pouţitých ukazatelích, ale také na metodice výpočtu „problémovosti“ jednotlivých regionů. Při volbě ukazatelů a konstrukci metodiky – tj. indikátorů popisujících disparity a způsobu výpočtu míry problémovosti – je tedy nezbytné postupovat velmi obezřetně, aby nevhodnou volbou nedošlo ke zkreslení skutečného stavu v regionech. Je však diskutabilní, zda je vzájemná odlišnost metodik jednotlivých krajů výhradně negativním jevem. Různé metodiky sice znemoţňují srovnávání a hodnocení krajských disparit v kontextu celé ČR, ale na druhou stranu jsou pravděpodobně vytvářeny s ohledem na situaci a příčiny problémů obvyklé na území daného kraje. Výsledek pak lépe odráţí skutečnou situaci v kraji a umoţňuje přesněji zacílit regionální podporu. Z těchto důvodů se jako velmi účelné jeví vytvořit centrálně koncepčně koordinovanou metodiku pro identifikaci disparit v krajích. Nejde však o striktní formulaci přesného postupu, spíše o soubor doporučení, jakým způsobem přistupovat k navrţení struktury ukazatelů a jakými metodami vyhodnocovat situaci.

Možnosti využití kartografického znázornění disparit pro regionální politiku Kartografická vizualizace má své klady i zápory. Rozhodujícím kritériem pro vytvoření kvalitního kartografického výstupu je vţdy lidský faktor, tzn. jak vlastní práce kartografa, tak také příprava podkladů s potřebnou vypovídací hodnotou. Moţnosti a limity mapového vyjádření disparit v území lze stručně shrnout následovně: Výhody: 

Názornost, přehlednost;



Moţnost identifikovat příčiny problémů (témata);



Moţnost zvolit prostorovou úroveň adekvátní účelu tvorby mapy – aţ do úrovně obcí;



Jednoduchost pouţití map pro uţivatele.

Nevýhody: 

Náročnost volby ukazatelů a metod jejich zpracování;



Často nelze z map odvodit hodnoty konkrétních ukazatelů, pouze relativní vyjádření či komplexní charakteristiku;



Velké rozdíly v přístupech krajů, nemoţnost vzájemného srovnávání kraji vymezených disparitních regionů na úrovni celé ČR.

9


Šilheřovice 2008

I přes určité limity (volba ukazatelů, dostupnost dat atd.) můţe být kartografické znázornění regionálních disparit velmi dobrým vodítkem pro prostorové i věcné zacílení regionální politiky. Zásadní otázkou je vţdy ovšem politická vůle zjištěné disparity koncepčně řešit.

Závěr Hlavním cílem regionální politiky je, ať se její přístup týká podpory subjektů silných nebo slabých, sníţit rozdíly mezi jednotlivými regiony. Pro účelné nastavení nástrojů, jejichţ prostřednictvím má dojít ke sníţení meziregionálních rozdílů, je nezbytné poznat v regionech problémy (včetně jejich vzájemných vazeb a souvislostí), jeţ jsou příčinou nepříznivé situace. K identifikaci příčin výskytu disparit v určitých regionech můţe napomoci kartografické znázornění situace v jednotlivých dílčích regionech. Jako velmi vhodné se jeví zpracování několika tematických map popisujících jednotlivé socioekonomické jevy, které umoţní přesněji identifikovat příčiny problémů, a výsledného celkového zhodnocení situace. Kvalitu kartografické prezentace však můţe podstatně ovlivnit výběr pouţitých ukazatelů a způsob jejich zpracování. Pro naplnění cílů regionální politiky v praxi, tedy pro zlepšení situace v disparitních regionech, je klíčovým aspektem spolupráce subjektů v daném území – jednak subjektů s rozhodovacími pravomocemi, jednak subjektů dotčených. Poznání prostorové podmíněnosti problémů můţe pomoci k nalezení regionů v kraji, do nichţ je prioritní směřovat regionální podporu, a také napomoci tuto podporu správně tematicky zacílit a zvolit nejvhodnější nástroje.

Literatura 1) Aktualizace návrhové části Programu rozvoje Jihomoravského kraje. Brno: GaREP a VUT, 2006. 82s. 2) Analytická část Strategie rozvoje Královéhradeckého kraje 2006-2015. Hradec Králové: Centrum evropského projektování, 2007. 172 s. 3) BLAŢEK, J. - UHLÍŘ, D. Teorie regionálního rozvoje. 1. vyd. Praha: Karolinum, 2002. ISBN 80-246-0384-5. 4) GALVASOVÁ, I. – BINEK, J. Approaches to differentiation of socioeconomic phenomena in territory. In Sborník z 15. mezinárodní konference Geografické aspekty středoevropského prostoru. Brno: Masarykova univerzita, 2008. 5) GALVASOVÁ, I., et al. Rozvojový interaktivní audit, regionální politika a poznání disparit. Souhrnná studie z řešení aktivity A701. Výzkumný úkol MMR ČR č. WD-3907-1. Brno: GaREP, 2007 (a). 104 s. 6) GALVASOVÁ, I., et al. Spolupráce obcí jako faktor rozvoje. Brno: Georgetown, 2007 (b). 140 s. ISBN 80-251-20-9. 7) CHABIČOVSKÁ, K. Vymezování problémových regionů v rámci krajů. Rigorózní práce. Brno: Masarykova univerzita. Přírodovědecká fakulta. Geografický ústav, 2008. 101 s. 8) Monitoring mikroregionů Jihomoravského kraje 2003. Brno: Ústav územního rozvoje, 2003. 9) Průmět strategických dokumentů do území Jihomoravského kraje – mapová příloha č.

IV. „Území vhodná k soustředěné pozornosti regionální politiky JM kraje z hlediska socioekonomických ukazatelů“. Brno: GaREP, 2002. 10) Zákon č. 248/2000 Sb., o podpoře regionálního rozvoje, ve znění pozdějších předpisů.

10


Šilheřovice 2008

TECHNOLOGICKY NÁROČNÉ OBORY ZPRACOVATELSKÉHO PRŮMYSLU A REGIONÁLNÍ DISPARITY V ČR Mgr. Josef Hůlka Mgr. Jan Ţenka

Abstrakt Cílem předloţené stati je zjistit, jak rozmístění firem v technologicky náročných oborech zpracovatelského průmyslu (high-tech a medium-high-tech) ovlivňuje úroveň regionálních disparit v ekonomické výkonnosti výrobního sektoru v ČR. Hodnocení je zaloţeno na regresní analýze sektoru zpracovatelského průmyslu a vybraných sluţeb v 206 obcích s rozšířenou působností (nezávislou proměnnou je odvětvová struktura podle technologické náročnosti, závislou přidaná hodnota ve zpracovatelském průmyslu a vybraných sluţbách na obyvatele regionu). Nebyla nalezena souvislost mezi podílem high-tech oborů na zaměstnanosti a přidané hodnotě na obyvatele regionu. Středně silný, pozitivní a signifikantní vliv byl prokázán u medium-high-tech oborů.

Klíčová slova High-tech obory, Odvětvová struktura, Regionální disparity, Zpracovatelský průmysl

Abstract The goal of this article is to determine how the localisation of firms in high-tech and medium-high-tech manufacturing affects the level of regional disparities in economic performance of manufacturing sector in the Czech Republic. The evaluation is based on regression analysis of manufacturing and selected services in 206 microregions (the independent variable: the share of technology-intensive manufacturing industries in employment, the dependent variable: value added in manufacturing and selected services per capita). No link between the share of high-tech manufacturing in employment and value added per capita of the microregion was found. The regional distribution of medium-hightech manufacturing industries had moderate, positive and highly significant influence on the level of microregional value added per capita.

Keywords High-tech manufacturing industries, Manufacturing, Sectoral structure, Regional disparities

Úvod Sala-i-Martin, Artadi (2004) rozlišují tři vývojové fáze konkurenceschopnosti, které jsou charakterizovány na základě převaţujících zdrojů konkurenční výhody. V první fázi taţené

1


Šilheřovice 2008

výrobními faktory (factor-driven stage) firmy konkurují cenou výrobků a vyuţívají výhody levných vstupů a převzatých technologií. Ve fázi taţené efektivností (efficiency driven stage) vyplývá produktivita firem z kvality výrobků (nikoli jiţ pouze ceny) a pouţití efektivních výrobních postupů. Klíčovou kvalitativní charakteristiku konkurenceschopnosti představuje technologická kapacita (přístup firem k nejlepším dostupným technologiím, byť převzatým ze zahraničí), dále efektivnost dílčích trhů (produktových, finančních a pracovních), dostupnost rozvinutého lidského kapitálu a vnější otevřenost (Kadeřábková 2006). Ve fázi taţené inovacemi (innovation-driven stage), tedy v kvalitativně nejvyšší fázi, nabývá na klíčovém významu pro konkurenční výhodu inovační výkonnost, tedy schopnost vytvářet nové produkty a procesy s vyuţitím nejmodernějších výrobních a organizačních postupů. Většina nových členských zemí EU včetně Česka se nachází ve fázi taţené efektivností, kdy se konkurenceschopnost mění z cenově na kvalitativně zaloţenou (WEF 2004). Za klíčové faktory kvalitativně (znalostně) zaloţené konkurenceschopnosti označuje Kadeřábková (2005) lidský kapitál, podnikatelskou aktivitu, informační a komunikační technologie, výzkum a vývoj (VaV) a inovace. Nejsledovanější a často nekriticky interpretovanou charakteristikou kvalitativně zaloţené konkurenceschopnosti je podíl oborů zpracovatelského průmyslu s vysokou a vyšší technologickou náročností (tzv. high-tech a medium-high-tech) na zaměstnanosti, produkci, přidané hodnotě a vývozu dané země nebo regionu. S rozvojem technologicky náročných oborů se pojí řada příznivých efektů – vysoké mzdy, tvorba pracovních míst pro vysoce kvalifikované pracovníky, velký podíl přidané hodnoty na výkonech, vysoká intenzita výzkumu a vývoje a tvorby inovací, exportní výkonnost plynoucí z vysoké produktivity nebo multiplikační efekt a výskyt pozitivních externalit (Kadeřábková 2006). Sektor firem v odvětvích s vysokou a vyšší technologickou náročností je však v ČR vnitřně velmi heterogenní. Zahrnuje mnoho firem s minimální technologickou náročností (podílem výdajů na výzkum a vývoj na přidané hodnotě) a nízkou produktivitou (Kadeřábková 2007; Ţenka, Čadil 2008). Nízkou hodnotou obou ukazatelů se vyznačují zejména high-tech obory, jejichţ technologická náročnost navíc v letech 2001-2005 nadále klesala (Rojíček 2006). Příčinou byly vysoké investice do budování nových výrobních kapacit v roce 2001 a 2002 s orientací na montáţ a finalizaci výrobků z dovezených komponentů (reţim aktivního zušlechťovacího styku) a s minimálním podílem přidané hodnoty (Lexa, Rojíček 2007). Nejsilnější pozici z hlediska výše i dynamiky růstu produktivity práce má v ČR skupina středně technologicky náročných (především medium-high-tech) oborů (Rojíček 2007) v čele s automobilovým průmyslem. Tyto obory (zejména výroba elektrických zařízení j.n. a automobilových dílů) však zároveň soustřeďují nejvíce pracovních míst ve firmách s nízkou produktivitou, kapitálovou a VaV náročností (mnohdy montáţní provozy) – tedy pracovní místa potenciálně nejvíce ohroţená přesunem do zahraničí (Ţenka 2008b). Vnitřní heterogenita sektoru technologicky náročných oborů zpracovatelského průmyslu ČR se promítá do výrazných regionálních rozdílů v charakteristikách kvalitativně zaloţené konkurenceschopnosti – produktivity, technologické náročnosti a podílu high-tech a mediumhigh-tech oborů na zaměstnanosti resp. přidané hodnotě daného regionu. V roce 2004 se okresní hodnoty ukazatele přidané hodnoty na zaměstnance v high- a medium-high-tech

2


Šilheřovice 2008

oborech pohybovaly od 49 do 209 % hodnoty ČR (Ţenka, Čadil 2008). Za stejný rok bylo sledováno rozmístění firem, které jsou odvětvově zařazeny do high-tech a medium-high-tech sektoru, ale vyznačují se absencí VaV aktivit a velmi nízkou kapitálovou náročností a produktivitou výrovního procesu. Výsledkem bylo zjištění, ţe tyto firmy jsou rozptýleny po celém území ČR a srovnatelně proporcionálně zastoupeny ve všech typech okresů – metropolitních, strukturálně postiţených, hospodářsky slabých aj. (Ţenka 2008a; Ţenka, Čadil 2008). Dále vyplynulo, ţe firmy v technologicky náročných oborech nejsou přednostně soustředěny do nejvyspělejších metropolitních regionů a jsou významně zastoupeny ve skupině tzv. ostatních okresů (Mladá Boleslav, Ústí nad Orlicí, Nový Jičín aj.) – tedy mimo krajská města, strukturálně postiţené a hospodářsky slabé regiony. Výše uvedená zjištění vyvolávají otázku, do jaké míry ovlivňuje rozmístění technologicky náročných oborů v ČR úroveň regionálních disparit v ekonomické výkonnosti výrobního sektoru. Cílem této stati je zjistit, jakou vypovídací hodnotu mají ukazatele odvětvové struktury zpracovatelského průmyslu podle technologické náročnosti pro hodnocení disparit v kvalitativně zaloţené konkurenceschopnosti na mikroregionální úrovni (obvody obcí s rozšířenou působností - ORP). Lze tedy formulovat následující výzkumné otázky: 1) Existuje na úrovni ORP signifikantní souvislost mezi odvětvovou strukturou zpracovatelského průmyslu a souvisejících sluţeb podle technologické náročnosti a ekonomickou výkonností zpracovatelského průmyslu a příslušných sluţeb daného regionu? 2) Která ORP soustřeďují technologicky náročné obory s podprůměrnou produktivitou (ve srovnání s hodnotou zpracovatelského průmyslu ČR)? Ve kterých ORP nejsou technologicky náročné obory tahounem průmyslového růstu? Kromě nejčastěji pouţívané taxonomie OECD rozlišující odvětví podle technologické náročnosti bude téţ pouţita taxonomie WIFO: - klasifikace průmyslových oborů podle nároků na vstupy (faktorové náročnosti) Cílem bude odpovědět na třetí výzkumnou otázku: 3) Která z výše uvedených taxonomií v českých podmínkách nejlépe vypovídá o kvalitativně zaloţené konkurenceschopnosti zpracovatelského průmyslu a je nejlépe pouţitelná pro hodnocení regionálních disparit?

Technologicky náročné obory – definice a vymezení Pro hodnocení kvalitativní náročnosti výrobních aktivit pomocí analýzy odvětvové struktury zpracovatelského průmyslu se nejčastěji pouţívá metodologie OECD (OECD 2005; Hatzichronoglou 1997) třídící obory podle technologické resp. znalostní náročnosti.

Rámeček č.1: Klasifikace oborů podle technologické a znalostní náročnosti (OECD) Třídění oborů zpracovatelského průmyslu podle technologické náročnosti je zaloţeno na ukazateli podílu výdajů na výzkum a vývoj na produkci resp. přidané hodnotě (OECD 2005). Podle tohoto jediného ukazatele se obory třídí do čtyř skupin: - obory s vysokou a vyšší technologickou náročností (high-tech a medium-high-tech) - obory s niţší a nízkou technologickou náročností (medium-low-tech a low-tech) Skupina high-tech oborů je definována na základě následujících kritérií (Kadeřábková 2006):

3


Šilheřovice 2008

1) Zahrnují nejvyspělejší dostupné znalosti a rozvíjí se mnohem rychleji neţ ostatní odvětví 2) Komplexnost znalostí vyţaduje soustavné a intenzivní výzkumné úsilí a solidní technologickou (znalostní) základnu Exaktní metodika vymezení high-tech oborů je zaloţena na výpočtu přímé a nepřímé technologické (VaV) intenzity. Příma intenzita se odvíjí od výše výdajů firem v daném oboru na VaV, nepřímá od nákupu polotovarů a kapitálových statků firem daného oboru od firem v jiných oborech zpracovatelského průmyslu (výpočet na základě mezioborových input-output tabulek). Samotná metodika vymezení technologicky náročných oborů skrývá následující limity vypovídací schopnosti (Hatzichronoglou 1997): - Taxonomie je zaloţena pouze na ukazateli technologické intenzity a nepostihuje ostatní důleţité aspekty (vědečtí a techničtí pracovníci, technologie obsaţená v patentech, licence a know-how, zastarávání znalostí a technologií atd.) - Pokud dojde z důvodu rychlého růstu poptávky nebo kvalitního marketingu k rapidnímu zvýšení objemu produkce, sníţí se hodnota ukazatele technologické intenzity a daný obor „papírově“ vykazuje negativní vývoj. Problémem je, ţe technologická intenzita je zaloţena na datech za toky investic do VaV, nikoli za kumulativní stavy VaV. - Taxonomie je zaloţena na příliš hrubém odvětvovém členění (dvojmístný OKEČ), přičemţ skupiny high-tech odvětví jsou vnitřně heterogenní. - Řada firem zařazených do high-tech produkuje s vyuţitím vyspělých technologií výrobky se střední nebo niţší technologickou náročností. Do skupiny high-tech oborů patří skupiny produktů s podílem výdajů na VaV na obratu vyšším neţ 8,5 % (ČSÚ 2007) – letecký a kosmický průmysl (OKEČ 35.3), počítače a kancelářská technika (30), elektronika (32), farmaceutický průmysl (24.4) a vědecké přístroje (33). Oblast pokročilých technologií (medium-high-tech) zahrnuje produkty s podílem výdajů na VaV na obratu v rozmezí 3,5 aţ 8,5 %. Do této oblasti patří chemické produkty (24 bez 24.4), dopravní prostředky kromě letadel (34-35), elektrotechnika (31) a stroje a zařízení (29).

Širší koncept představuje taxonomie WIFO, která rozlišuje obory podle náročnosti na výrobní faktory, přičemţ technologická náročnost je jen jedním ze čtyř sledovaných indikátorů. Skupina technologicky náročných oborů (TDI) je oproti OECD klasifikaci rozšířena o některé chemické obory, výrobu rozvodných a spínacích zařízení a především výrobu motorových vozidel.

Rámeček č.2: Klasifikace průmyslových oborů podle nároků na vstupy (WIFO ) Taxonomie WIFO institutu je zaloţena na rozlišení oborů podle nároků na vstupy (výrobní faktory) do pěti skupin: - základní skupina oborů hlavního proudu (MM – mainstream) – 25 oborů, strojírenství, výrobu motocyklů, zpracování papíru, plastů a výroba elektronických přístrojů

obory náročné na (nekvalifikovanou) pracovní sílu (LI – labour intensive) - 25 oborů, typickými zástupci jsou textilní a oděvní průmysl, dřevozpracující, kovodělný a průmysl stavebních hmot

- obory s hnací silou v marketingu (MDI – marketing driven) - 24 oborů, především potravinářský průmysl, dále výrobky pro volný čas, kosmetika, sportovní zboţí, hry a hračky, hudební nástroje

4


Šilheřovice 2008

- kapitálově náročné obory (CI – capital intensive) - základní chemie, hutnictví ţeleza a oceli, výroba papíru a celulózy, petrochemie

- obory s hnací silou v technologii (TDI – technology driven) - 14 oborů s dělením do třech skupin: chemie a biochemie, výpočetní a telekomunikační technika, dopravní prostředky. Klasifikace je zaloţena na shlukové metodě, která rozřazuje 100 oborů (ISIC 3) do pěti kategorií na základě kombinace vstupních výrobních faktorů (kapitálové investice, pracovní síla atd.). Výběr proměnných je zaloţen na dvou základních ukazatelích – komparativní výhodě vyplývající z exogenních a lokalizačních faktorů - relativní disponibility kapitálem a pracovní silou (Peneder 1999). Druhým ukazatelem je specifická komparativní výhoda firem, která vyplývá z investic do nehmotných zdrojů (reklama, VaV). Skupiny oborů podle technologické náročnosti byly vymezeny na základě následujících indikátorů: a) intenzita práce - průměrný podíl výdajů na mzdy z přidané hodnoty v letech 1990-1995 b) kapitálová intenzita - průměrný podíl celkových investic z přidané hodnoty v letech 1990-94 c) výdaje na reklamu – průměrný podíl výdajů na reklamu z celkových prodejů 1993-1995 d) výdaje na R&D - průměrný podíl výdajů na VaV z celkových prodejů 1993-95 Reziduální skupina oborů hlavního proudu (mainstream industries) zahrnuje obory, jejichţ vstupní faktory jsou přibliţně v rovnováze, ţádný z nich nemá obzvláštní důleţitost.

Data a metodika Analýza rozmístění zpracovatelského průmyslu a vybraných znalostně náročných sluţeb na úrovni ORP je zaloţena na primárních (individuálních) datech z ročních statistických výkazů ČSÚ: - P 5-01 Roční výkaz ekonomických subjektů vybraných produkčních odvětví za rok 2007 - P 4-01 Roční výkaz pro malé ekonomické subjekty vybraných produkčních odvětví za rok 2007 Data se vztahují k roku 2006. Výkaz P 5-01 (mutace b, c zahrnující dohromady podniky nad 20 zaměstnanců) je sbírán elektronicky formou vyčerpávajícího zjišťování, mutace P5-01a zaměřena na podniky pod 20 zaměstnanců a výkaz P 4-01 formou výběrového zjišťování. Výkaz P 4-01 je zaměřen na fyzické osoby nezapsané v obchodním rejstříku. Pro účely této analýzy byly zpracovány pouze podniky a fyzické osoby v odvětvích OKEČ 15-37 (zpracovatelský průmysl) a OKEČ 7273 (činnosti v oblasti výpočetní techniky, výzkum a vývoj), přičemţ sektor OKEČ 72-73 byl přiřazen k high-tech resp. technologicky náročným oborům. Výpočty jsou zaloţené na datovém souboru, který obsahuje individuální data za 8 555 podniků (vyplnily výkaz) a dopočty (podle metodiky MPO 2005) za dalších cca 400 tis. malých podniků nebo fyzických osob. Počet pracovníků je k dispozici za jednotlivé místní jednotky - závody (pracovištní metoda), finanční ukazatele na úrovni podniků jsou rozpočteny mezi místní jednotky podle jejich podílu na celkovém počtu pracovníků podniku. Pro hodnocení vztahu mezi odvětvovou strukturou a kvalitativně zaloţenou konkurenceschopností zpracovatelského průmyslu a přidruţených sluţeb (OKEČ 72, 73) byla pro 206 ORP provedena regresní analýza. Vysvětlující nezávisle proměnnou představovaly

5


Šilheřovice 2008

podíly jednotlivých sektorů vymezených na základě klasifikací WIFO a OECD na zaměstnanosti ve zpracovatelském průmyslu a OKEČ 72-73 jednotlivých ORP. Závisle proměnou byla zvolena účetní přidaná hodnota ve zpracovatelském průmyslu a OKEČ 72_73 vztaţená na jednoho obyvatele daného ORP, která reprezentuje ekonomickou výkonnost (náhrada za nedostupné mikroregionální HDP). V druhé části článku je pro odpověď na výzkumnou otázku č. 2 pouţit ukazatel produktivity z přidané hodnoty, definován jako podíl účetní přidané hodnoty v běţných cenách a průměrného evidenčního počtu pracovníků ve fyzických osobách.

Výsledky Regresní analýza (Tab. 1) dokumentuje středně silný a vysoce signifikantní pozitivní vliv kapitálově náročných a medium-high-tech oborů na vytvořenou přidanou hodnotu ve zpracovatelském průmyslu a vybraných sluţbách. Největší přidané hodnoty na obyvatele dosahují ORP specializované na kapitálově náročné obory (základní chemie, hutnictví). Téměř srovnatelný vliv má rozmístění velkých firem v automobilovém průmyslu (Mladá Boleslav, Kolín, Mnichovo Hradiště, Jihlava). Na druhé straně záporné a signifikantní koeficienty a tedy inverzní vztah při vysvětlování variability přidané hodnoty vykazují obory náročné na pracovní sílu (LI) a marketing (MDI) s niţší produktivitou a významným zastoupením v periferních regionech. Korelační diagramy jsou obsaţeny v příloze č. 1.

Tab. č.1: Hodnoty standardizovaných regresních koeficientů CI

MM

HT

MHT

MLT

Regresní koeficient 0,399 -0,371 -0,328 0,238

0,007

0,043

0,339

0,055 -0,424

Signifikance

0,001

0,920

0,539

0,000

0,431

Koef. determinace 15,899 13,776 10,759 5,661

0,005

0,185 11,491 0,304 18,004

0,000

LI

0,000

MDI

0,000

TDI

LT

0,000

Pozn.: Koeficient determinace byl vypočítán jako druhá mocnina regresního koeficientu vyjádřená v %. CI,LI,MDI,TDI=kapitálově, pracovně, marketingově a technologicky náročné obory,MM=obory hlavního proudu- dle WIFO, HT,MHT,MLT,LT=obory s vysokou, vyšší, niţší a nízkou technologickou náročností dle OECD Zdroj: Roční výkaz P5-01 a P4-01 za rok 2007

Nejvýznamnějším zjištěním je nulový regresní koeficient high-tech oborů, který dokumentuje nerozvinutost tohoto sektoru v ČR a tudíţ i omezenou pouţitelnost tohoto ukazatele v českých podmínkách. Většina ORP s největší přidanou hodnotou na obyvatele je specializována na kapitálově náročné obory a automobilový průmysl, ale některé mají významný podíl high-tech oborů (Pardubice, Lanškroun, Praha, Blansko). Naopak ORP s nízkou přidanou hodnotou na obyvatele lze ve vztahu k high-tech oborům rozdělit do dvou základních skupin: a) Slabě industrializované periferní regiony s minimálním zastoupením produktivních high-tech oborů (Jeseník, Králíky, Kravaře, Český Těšín aj.) b) Slabě industrializované periferní regiony s výrazným podílem podprůměrně produktivních high-tech oborů na zaměstnanosti (Nové Město na Moravě, Trhové Sviny, Vítkov)

6


Šilheřovice 2008

c) Průměrně aţ nadprůměrně industrializované regiony s významným podílem podprůměrně produktivních high-tech oborů na zaměstnanosti (Přerov, Prachatice, Nová Paka aj.) Pozitivní vlivy high-tech oborů na závislou proměnnou jsou převáţeny vlivem medium-hightech oborů s téměř dvojnásobným počtem zaměstnanců a také slabou mírou industrializace periferních regionů (nízká přidaná hodnota ve zpracovatelském průmyslu na obyvatele), ve kterých ani zastoupení produktivních high-tech oborů nezvedne celkově nízké hodnoty. Z výsledků regresní analýzy plyne, ţe řada ORP nezákládá svoji konkurenceschopnost na technologicky náročných oborech zpracovatelského průmyslu (dle WIFO) a přesto generuje vysokou přidanou hodnotu. Nejvýznamnějším příkladem jsou Otrokovice s rekordní přidanou hodnotou na obyvatele, specializované na technologicky méně náročné gumárenství. Do této skupiny patří dále ORP s převahou kapitálově náročných oborů – hutnictví (Třinec, Ostrava), průmysl paliv a základní chemie (Litvínov, Kralupy nad Vltavou, Pardubice, Valašské Meziřičí). Široké a hrubší vymezení technologicky náročných oborů dle OECD zahrnuje i kapitálově náročné obory (základní chemie, automobilové díly). Podle tohoto členění má většina ORP s vysokou přidanou hodnotou na obyvatele dominantní podíl technologicky náročných oborů na zaměstnanosti, členění WIFO však oddělením kapitálově náročných oborů poskytuje přesnější výsledky. Nejvyššího podílu technologicky náročných oborů (OECD) na zaměstnanosti nedosahují metropolitní regiony ani krajská města (kromě Pardubic), ale silně industrializovaná menší regionální centra s dominancí jednoho velkého podniku (Obr 1). Příkladem můţe být Frenštát pod Radhoštěm a Mohelnice (Siemens), Mladá Boleslav (Škoda Auto), Nový Jičín (Autopal), Blansko (METRA, Celestica) nebo Lanškroun (AVX). Nejniţšího podílu dosahují periferní, málo industrializované regiony (Jeseník, Sušice, Rýmařov aj.) a regiony s koncentrací technologicky méně náročných oborů (Ţelezný Brod – sklářství, Ţďár nad Sázavou – hutnický a kovodělný průmysl, Otrokovice s gumárenstvím). Z analýzy regionálních rozdílů ve výši přidané hodnoty na zaměstnance v high- a mediumhigh-tech oborech vyplynulo, ţe ve dvou třetinách ORP (143) dosahují technologicky náročné obory (dle OECD) niţší produktivity neţ zpracovatelský průmysl ČR jako celek (Obr 2). ORP s podprůměrnou produktivitou technologicky náročných oborů lze rozdělit do dvou skupin: a) ORP se zastoupením velkých firem ve strojírenství, elektrotechnice a výrobě automobilových dílů – Humpolec, Hlinsko, Blansko, Jablonec nad Nisou aj. b) ORP pouze s malými a středními firmami (Horšovský Týn, Trhové Sviny aj.)

7


Šilheřovice 2008

Obr č.1: Podíl high- a medium-high-tech oborů na zaměstnanosti ve zpracovatelském průmyslu v roce 2006

Zdroj: Roční výkaz P5-01 a P4-01 za rok 2007

Na druhém straně lze ORP s vysokou produktivitou rozdělit podle specializace do třech skupin: a) ORP se specializací na kapitálově náročné obory základní chemie (Litvínov, Kralupy nad Vltavou, Valašské Meziřičí a Neratovice) a výroby automobilových dílů (Jihlava, Mnichov Hradiště, Jablonec nad Nisou, Kopřivnice, Jičín, Lovosice) b) ORP zaloţené na produktivních high-tech oborech (Praha – farmaceutika, TV vysílače, řídící elektronika, Opava - farmaceutika, Broumov – měřící přístroje aj.) c) ORP se specializací na ostatní medium-high-tech obory - Mladá Boleslav, Vrchlabí, Rychnov nad Kněţnou (Kvasiny), Kolín, Vysoké Mýto – vše automobily, Frenštát a Roţnov pod Radhoštěm (elektrotechnika a strojírenství) V téměř všech ORP s vysokou produktivitou technologicky náročných oborů je zastoupena pouze jedna velká firma. Výjimkou je Praha, Jihlava a Mladá Boleslav.

8


Šilheřovice 2008

Obr. č.2: Produktivita high- a medium-high-tech oborů zpracovatelského průmyslu v roce 2006

Zdroj: Roční výkaz P5-01 a P4-01 za rok 2007

Závěr Výsledky regresní analýzy a odpovědi na výzkumné otázky formulované v úvodu je moţné shrnout do následujících tvrzení: 1) Na úrovni obcí s rozšířenou působností byl prokázán signifikantní, středně silný a pozitivní vliv odvětvové struktury zpracovatelského průmyslu podle technologické náročnosti na ekonomickou výkonnost zpracovatelského průmyslu a souvisejících sluţeb (měřeno přidanou hodnotou ve zpracovatelském průmyslu a OKEČ 72-73 na počet obyvatel) ORP. 2) Kapitálová náročnost výrobního procesu má větší vliv na produktivitu zpracovatelského průmyslu a ekonomickou výkonnost ORP neţ technologická náročnost. Největší produktivity dosahují ORP se specializací na investičně náročné obory automobilového, hutnického a chemického průmyslu, které ve většině případů nedisponují vlastním výzkumem a vývojem. Rozmístění velkých firem v medium-high-tech oborech lze povaţovat za nejvýznamnější strukturální faktor ovlivňující dynamiku regionálního rozvoje. 3) Ukazatel podílu high-tech oborů na zaměstnanosti ve zpracovatelském průmyslu statisticky neovlivňuje ekonomickou výkonnost zpracovatelského průmyslu jednotlivých ORP. High-tech obory s vysokou produktivitou jsou soustředěny ve velkých městech, které vykazují nadprůměrnou, ale nikoli nejvyšší přidanou hodnotu na obyvatele. Pozitivní efekt high-tech oborů je převáţen rozmístěním velkých a vysoce produktivních firem v mediumhigh-tech a kapitálově náročných oborech. Vliv high-tech oborů není jednoznačný ani v případě ORP s nízkou přidanou hodnotou na obyvatele, která je výsledkem buď slabé industrializace nebo zastoupení high-tech oborů s nízkou produktivitou (montáţní provozy). 4) Srovnání taxonomií WIFO a OECD z hlediska vhodnosti vyuţití pro měření regionálních disparit v ČR není jednoznačné. Taxonomie WIFO poskytuje přesnější vymezení technologicky náročných oborů (TDI) neţ taxonomie OECD, kde je sektor high- a mediumhigh-tech odvětví příliš široký a heterogenní. Skupina TDI oborů také lépe reflektuje

9


Šilheřovice 2008

strukturální specifika zpracovatelského průmyslu ČR neţ skupina high-tech oborů, protoţe zahrnuje výrobu motorových vozidel. Na druhou stranu je výroba automobilových dílů v taxonomii WIFO zařazena jiţ mezi kapitálově náročné obory, zatímco podle OECD je celý automobilový průmysl zařazen pod medium-high-tech obory. Nejvhodnější je tedy zároveň sledovat zaměstnanost v TDI a medium-high-tech oborech. 5) Ve 143 ORP vykázaly technologicky náročné obory (OECD) podprůměrnou produktivitu z přidané hodnoty ve srovnání se zpracovatelským průmyslem ČR. Přesto je oprávněné pouţít ukazatele podílu technologicky náročných oborů (dle OECD i WIFO) na zaměstnanosti pro hodnocení progresivity odvětvové struktury regionů. Je však nutné je doplnit o charakteristiky konkurenceschopnosti (např. produktivita z přidané hodnoty) a nejlépe i reálné technologické náročnosti (výdaje na VaV vztaţené k přidané hodnotě resp. počet VaV pracovníků) firem v těchto oborech.

Literatura 1) HATZICHRONOGLOU, T. Revision of the High-Technology Sector and Product Classification. STI Working Paper. Paris: OECD, 1997, č. 2. 2) KADEŘÁBKOVÁ, A. Strukturální charakteristiky konkurenceschopnosti české ekonomiky. Working Paper CES VŠEM. Praha: CES VŠEM, 2007, č. 4/2007. 3) KADEŘÁBKOVÁ, A. Kvalitativně zaloţená konkurenční výhoda ČR v mezinárodním srovnání. Working Paper CES VŠEM. Praha: CES VŠEM, 2006, č. 2/2006. 4) KADEŘÁBKOVÁ, A. Konkurenční výhoda české ekonomiky v oblasti high-tech aktivit. Bulletin CES VŠEM. Praha: CES VŠEM, 2005, č. 6, s. 1 - 5. 5) LEXA, J. - ROJÍČEK, M. Odvětvová znalostní náročnost a konkurenceschopnost české ekonomiky. Working Paper CES VŠEM. Praha: CES VŠEM, 2007. 6) Metodika tvorby datových podkladů pro kvantifikaci regionální produkce zpracovatelského průmyslu. Praha: MPO, Adviser, 2005, 5 s. 7) OECD Handbook on economic globalisation indicators . OECD, 2005, 230 s. 8) PENEDER, M. Intangible Investment and Human Resources. WIFO Working Paper. Wien: WIFO, 1999, č. 114/1999. 9) ROJÍČEK, M. Strukturální analýza české ekonomiky. Working Paper CES VŠEM. Praha: CES VŠEM, 2007, č. 3/2007. 10) ROJÍČEK, M. Konkurenceschopnost odvětví v České republice. Bulletin CES VŠEM. Praha: CES VŠEM, 2006, č. 23, s. 3-5. 11) SALA-I-MARTIN, X. - ARTADI, E. The Global Competitiveness Index. In Global Competitiveness Report 2004-2005. New York: Palgrave Macmillan, 2004, s. 51-70. 12) Global Competitiveness Report 2004-2005. New York: WEF, Palgrave Macmillan, 2004. 13) ŢENKA, J. Riziko delokalizace zpracovatelského průmyslu – regionální aspekty. Geografie, 2008a, roč. 113, č. 1, s. 1-19. 14) ŢENKA, J. Delokalizace zpracovatelského průmyslu ČR - komponentní analýza. Politická ekonomie, 2008b [v tisku]. 15) ŢENKA, J. - ČADIL, V. Regional distribution of technology-intensive manufacturing industries in the Czech Republic with accent on risk of delocalisation. Prague Economic Papers, 2008 [v tisku].

10


Šilheřovice 2008

REGIONÁLNÍ DISPARITY VE FINANČNÍ DOSTUPNOSTI NÁJEMNÍHO BYDELNÍ Mgr. Martina Mikeszová Abstrakt Příspěvek se zaměřuje na analýzu regionálních disparit ve finanční dostupnosti nájemního bydlení v České republice. V příspěvku je diskutována problematika měření finanční dostupnosti bydlení i nedostupnosti zdrojů dat; z toho důvodu byla také pouţita alternativní metodika měření finanční dostupnosti bydlení, jeţ se vypořádává s nedostatkem dat. Dále příspěvek ukazuje výsledky analýzy regionálních disparit ve finanční dostupnosti nájemního bydlení v letech 2000 – 2006. Cílem příspěvku je zejména zjistit, zda se disparity mezi regiony a mezi různými typy domácností zvyšovaly nebo sniţovaly.

Klíčová slova Finanční dostupnost bydlení, Nájemní bydlení, Regionální disparity

Abstract The paper addresses an analysis of regional disparities in rental housing affordability in the Czech Republic. In the paper, the issue of measuring housing affordability and the lack of relevant data set(s) are discussed; therefore, alternative methodological approach for measurement of housing affordability that makes it possible to overcome the problem of insufficient data was used. Additionally, the paper shows selected results of analysis of regional disparities in rental housing affordability in the Czech Republic in the period 2000 – 2006. The aim of the paper is to discover whether the disparities have been growing or shrinking among regions and among different types of households.

Keywords Housing affordability, Regional disparities, Rental housing

Úvod Regiony v ČR (kraje) mezi sebou vykazují disparity především v ekonomické výkonnosti (podílu regionů na tvorbě HDP) a vývoji zaměstnanosti, přičemţ regionální rozdíly se prohlubovaly zejména v 90. letech (Hampl 2001, Blaţek, Csank 2007). Tento vývoj byl způsoben zásadními změnami ve společnosti i v ekonomice, ke kterým došlo během transformačního období, i jako reakce na umělou nivelizační politiku v období před rokem 1989. K dynamickým změnám regionální diferenciace docházelo zejména ve druhé polovině 90. let, po roce 2000 jiţ regionální disparity oscilují kolem dosaţené hladiny a dochází ke stabilizaci nové regionální struktury ČR (Blaţek, Csank 2007). Tyto regionální rozdíly v ekonomické výkonnosti regionů jsou nepochybně také provázané s regionálními disparitami ve vybavení infrastrukturou, vzdělávacími podmínkami i podmínkami bydlení.

1


Šilheřovice 2008

Mnohé odborné publikace zaměřující se na analýzu a popis změn v oblasti bydlení a reforem v oblasti bytové politiky v průběhu ekonomické transformace v ČR (např. Lux et al. 2002, Lux, Sunega, Kostelecký, Čermák, Košinár 2004, Donner 2006, Lux, Sunega 2006, Lux 2007) ukázaly, ţe ekonomické změny v ČR měly, mimo jiné, za následek podstatné kvantitativní i kvalitativní změny v oblasti nabídky bydlení (zejména v rozsahu i formě nové bytové výstavby) i ve výši a distribuci výdajů domácností na bydlení. Relativní výdaje českých domácností na bydlení (definovány jako průměrný podíl výdajů na bydlení na celkových měsíčních výdajích domácnosti) rostly v průběhu celého transformačního období, konkrétně z 11 % v roce 1990 na 22 % v roce 2003 (Lux, Sunega, Kostelecký, Čermák, Montag 2005). Z pravidelného monitoringu i analýz výdajů českých domácností na bydlení (Sunega 2003, Lux & Burdová 2000, Lux 2002, Lux et al. 2002) je zřejmé, ţe výdaje na bydlení ukrajovaly stále větší podíl z celkového koláče spotřebních výdajů českých domácností a staly se hlavní výdajovou poloţkou českých domácností. Mimo to, po roce 2000 došlo k podstatnému zvyšování nerovností ve výši relativních výdajů na bydlení mezi nejchudšími a nejbohatšími domácnostmi (Lux, Sunega, Kostelecký, Čermák, Montag 2005: 169). Ve výši trţních cen vlastnického a druţstevního bydlení, a téţ ve výši tzv. trţního nájemného, se postupně objevily značné regionální rozdíly (zejména v rozdílu v průměrné výši cen bydlení a nájmů mezi Prahou a zbytkem ČR), které mají pravděpodobně přímý vliv na vytvoření a zvyšování regionálních disparit ve finanční dostupnosti bydlení. I přes tuto skutečnost nebyly disparity dosud důsledně zmapovány a analyzovány. V rámci projektu „Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na sníţení regionálních disparit“1 byl proto řešen jeden z prvních dílčích cílů, kterým byla kvantifikace a deskripce vývoje finanční dostupnosti bydlení a vývoje regionálních disparit ve finanční dostupnosti bydlení pro jednotlivé kraje NUTS 3 a mezi nimi v letech 2000 – 2006. Cílem analýz bylo zmapovat vývoj finanční dostupnosti nájemního i vlastnického bydlení v jednotlivých krajích ČR v letech 2000 – 2006 pro různé typy domácností, postihnout vývoj regionálních rozdílů ve finanční dostupnosti bydlení a následně identifikovat domácnosti potencionálně ohroţené finanční nedostupností bydlení 2. Tento příspěvek se věnuje zejména speciální metodice výpočtu indikátorů finanční dostupnosti, která byla speciálně vyvinuta týmem socioekonomie bydlení Sociologického ústavu AV ČR pro analýzu regionálních disparit ve finanční dostupnosti bydlení, a zároveň ukazuje vybrané výsledky analýzy finanční dostupnosti nájemního bydlení.

Metodologie měření finanční dostupnosti bydlení Při měření finanční dostupnosti bydlení se standardně pouţívají čtyři indikátory finanční dostupnosti (Hulchanski 1995, Garnett 2000, Hui 2001). Pro finanční dostupnost nájemního bydlení jsou to tzv. míra zatíţení, tj. indikátor podílu čistého nájemného nebo výdajů na bydlení na celkových čistých příjmech domácnosti a rezidální příjem, který je roven částce 1

Projekt „Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na sníţení regionálních disparit“ je řešen v rámci programu „WD – Výzkum pro řešení regionálních disparit“ financovaném Ministerstvem pro místní rozvoj ČR. Na první části projektu, která zahrnovala zmapování regionálních disparit ve finanční dostupnosti bydlení, se podílel tým socioekonomie bydlení Sociologického ústavu AV ČR, v.v.i. s pomocí Institutu regionálních informaci, s.r.o. 2 Výsledky analýz včetně metodiky měření finanční dostupnosti bydlení byly zveřejněny v Souhrnné zprávě – zmapování vývoje i regionálních disparit ve finanční dostupnosti bydlení (Lux ed. 2008).

2


Šilheřovice 2008

celkového čistého příjmu domácnosti sníţeného o výdaje na bydlení a o částku ţivotního minima nezbytnou k úhradě ostatních základních ţivotních potřeb jednotlivých členů domácnosti. Při měření finanční dostupnosti vlastnického bydlení je pouţíván indikátor priceto-income ratio (poměřující průměrné/mediánové ceny prodávaného bydlení a průměrné/mediánové roční čisté příjmy domácností, P/I) nebo lending multiplier (ukazující poměr celkové sumy, kterou domácnost zaplatí v rámci splátek úvěrů na bydlení, k celkovým čistým ročním příjmům domácnosti, LM). Ţádný z uvedených indikátorů však není zcela oproštěn od potřeby normativního stanovení určité limitní hranice, jejíţ překročení indikuje skutečnost, ţe stávající bydlení je jiţ pro danou domácnost finančně nedostupné – například určení maximální míry zatíţení nebo minimálního reziduálního příjmu. Stanovení určité hranice únosnosti je jen obtíţně vědecky odůvodnitelné, podobně jako kaţdý jiný normativní soud. Normativita při určení hranice únosnosti je jen jedním z problémů při měření a hodnocení finanční dostupnosti bydlení. Všechny indikátory pouţívané pro měření, jak je bydlení finančně dostupné pro různé skupiny domácností v různých částech země, se musí rovněţ vyrovnávat se skutečností, ţe analýza prostých výdajů na bydlení nezohledňuje dostatečně kvalitu samotného bydlení, velikost uţívaného bydlení, ochranu nájemních práv a ostatní s bydlením související náklady (náklady dojíţďky). Vysoká míra zatíţení (tedy na první pohled problém s finanční dostupností bydlení) u některých domácností bydlících například v nájemním bydlení, nemusí být způsobena jejich nízkým příjmem nebo obecnou vysokou úrovní nákladů na bydlení, ale pouze tím, ţe tyto domácnosti bydlí v příliš luxusních a/nebo příliš velkých bytech neodpovídajících velikosti jejich domácností (například dvoučlenná domácnost bydlí ve čtyřpokojovém bytě), u kterých je také vyţadováno vyšší nájemné. Pokud by se takové domácnosti přestěhovaly do „přiměřeného“ bydlení (které nelze neţ opět definovat normativně), pak by jejich míra zatíţení mohla výrazněji poklesnout na hodnoty, které jiţ nejsou hodnoceny jako neúnosné nebo problémové. Prostý „neupravený“ výpočet míry zatíţení tak můţe podávat zkreslený obraz o tom, kolik domácností je skutečně v nouzi z pohledu finanční dostupnosti bydlení. Indikátory pouţívané pro měření finanční dostupnosti bydlení se s tímto problémem musí vypořádat, jinak odráţí spíše defekty na daném trhu s bydlením neţ skutečné disparity ve finanční dostupnosti bydlení. Analýza vývoje finanční dostupnosti bydlení je navíc v českém prostředí v mnoha ohledech specifická. Je tomu zejména proto, ţe míra ochrany před nepříznivým vývojem na trhu bydlení je mezi českými domácnostmi rozdělena nerovněji, neţ je tomu ve vyspělých zemích. V průběhu ekonomické transformace se z hlediska přístupu k bydlení (socio-ekonomického pohledu) u nás, stejně jako v jiných tranzitivních zemích, v zásadě vyprofilovaly dva základní segmenty trhu. „Dědictví“ důsledků bytové politiky z minulého reţimu a pokračování v regulaci nájemného (resp. nedostatečná reforma v oblasti nájemního bydlení) a privatizace obecních bytů za zvýhodněných cenových podmínek po roce 1989 jsou hlavními příčinami rozdělení české společnosti z hlediska přístupu k bydlení a rovněţ z hlediska finanční dostupnosti bydlení do dvou hlavních zřetelně oddělených (i kdyţ přesně jen velmi těţko definovatelných) skupin: skupiny domácností uţívajících výhod „privilegovaného“ bydlení, kam náleţí lidé hradící regulované nájemné, lidé, kteří si pořídili vlastní nebo druţstevní bydlení ještě před rokem 1989 a lidé, kteří měli moţnost koupit si vlastní bydlení při privatizaci obecních bytů, během které byly a dosud jsou byty prodávány i hluboko pod úrovní trţních cen; a segment „neprivilegovaného“ bydlení, ve kterém bydlí lidé hradící z

3


Šilheřovice 2008

důvodu samotné regulace nájemného zbytečně vysoké trţní nájemné (Lux, Sunega 2002) a kteří z důvodu časově omezených nájemních smluv a zcela volného způsobu stanovení nájemného (prvotního i opětovného) uţívají slabší legislativní ochrany před jednáním pronajímatelů, lidé označovaní někdy jako „nebydlící“ (manţelé po rozvodu nebo dospělé děti, které jsou z důvodu nízkých příjmů a nemoţnosti dědictví „privilegií“ nuceni ţít v nechtěném souţití s jinou domácností), a lidé, kteří si pořídili vlastní či druţstevní bydlení za trţních podmínek a uhradili trhem určenou cenu. Na rozdíl od jiných sociálních nerovností byla tato segmentace (a z ní plynoucí sociální nerovnost v přístupu k bydlení) vytvořena nikoliv působením trţních sil, ale realitou zásadní ekonomické transformace a aktivitou státu a obcí, centrální a lokální bytovou politikou, a to i v jiných tranzitivních zemích (Lux ed. 2003). Proto by analýza vývoje finanční dostupnosti bydlení měla být prováděna zvlášť pro „privilegovaný“ a zvlášť pro „neprivilegovaný“ sektor bydlení. Pro účel relevantního zmapování vývoje finanční dostupnosti bydlení i vývoje regionálních disparit ve finanční dostupnosti bydlení v ČR budou analýzy prováděny zvlášť pro jednotlivé právní typy bydlení (nájemní a vlastnické bydlení), zvlášť pro „privilegovaný“ a „neprivilegovaný“ segment trhu, zvlášť pro jednotlivé typy domácností a s vyuţitím konceptu „přiměřeného“ bydlení (tj. bydlení odpovídajícího velikosti daného typu domácnosti). Z důvodu nedostatku informací o „privilegovaném“ sektoru vlastnického bydlení (privatizovaný bytový fond) se ovšem naše analýza omezí pouze na „privilegovaný“ a „neprivilegovaný“ sektor nájemního bydlení a „neprivilegovaný“ sektor vlastnického bydlení. V České republice neexistuje takový datový soubor, který by umoţnil jednoduchou analýzu regionálních disparit ve finanční dostupnosti bydlení, tj. analýzu skutečných disparit na základě znalosti konkrétních domácností s jejich konkrétními výdaji a příjmy. Ačkoliv pro celorepublikovou (či lépe omezenou celorepublikovou) výpověď o finanční dostupnosti bydlení je moţné vyuţít datového souboru Českého statistického úřadu (ČSÚ) Statistika rodinných účtů, vzhledem k velikosti dotázaného vzorku a kvalitě výběru (jedná se o kvótní výběr) ji není moţné pouţít pro analýzu regionálních disparit. Tento nedostatek přitom není jediný. V České republice chybí relevantní data o příjmech domácností; Statistiku rodinných účtů nelze pro tento účel rovněţ pouţít. Nezbývá proto, neţ pro účel modelování příjmu domácnosti vyuţít jiné zdroje, zejména pak regionální mzdovou statistiku ČSÚ. Za účelem zmapování regionálních rozdílů v dostupnosti bydlení byl proto pouţit alternativní postup, který lze shrnout do sedmi bodů: 1. 2. 3. 4. 5. 6. 7.

Vytvoření typologie domácností Výpočet čistých příjmů domácností Vytvoření typologie bydlení Stanovení průměrných trţních cen a průměrných trţních nájmů Přiřazení typu bydlení k typu domácnosti Výpočet indikátorů finanční dostupnosti bydlení Zmapování regionálních disparit.

V prvním kroku byly definovány typy domácností na základě tří kriterií: ekonomické aktivity členů domácnosti, kategorie zaměstnání ekonomicky aktivních členů domácnosti a velikosti a sloţení domácnosti. Kvůli velkému počtu různých kombinací těchto kritérií bylo nutné vyřadit

4


Šilheřovice 2008

pro analýzu nevhodné nebo marginálně zastoupené3 typy domácností (dle SLDB 2001). Výsledná typologie obsahuje 60 typů domácností, které reprezentují zhruba 66 % všech českých domácností. Vedle toho byly také na základě analýzy dat ze SLDB 2001 definovány čtyři kategorie velikosti bytu (1+1, 2+1, 3+1, 4+1), které byly následně přiřazeny k jednotlivým typům domácností podle počtu jejích členů (přiměřené bydlení). Například jednočlenným domácnostem bylo přiřazeno bydlení v bytě 1+1 (1+kk). Indikátory finanční dostupnosti bydlení pro jednotlivé typy domácností byly poté vypočteny za pomocí dat o čistých průměrných příjmech domácností odhadnutých softwarovou simulací daní a dávek na datech regionální hrubé příjmové statistiky Českého statistického úřadu (hrubé mzdy zaměstnanců), datech Ministerstva práce a sociálních věcí a Ministerstva financí týkajících se státní sociální podpory, a za pomocí dat o průměrných trţních nájmech, průměrných maximálních regulovaných nájmech a průměrných cenách bytů v jednotlivých českých regionech v letech 2000 – 2006 zjištěných Institutem regionálních informací, s.r.o. Výdaje na energie, vodu a ostatní sluţby spojené s bydlením nebyly v indikátorech zohledněny, neboť regionální data o těchto nákladech domácností nejsou k dispozici a zároveň můţeme předpokládat, ţe tyto výdaje se výrazně regionálně neliší (zejména ve srovnání s regionálními rozdíly v cenách bytů a v nájmech). Z vypočtených indikátorů finanční dostupnosti bydlení byla vytvořena databáze zahrnující data pro všech 60 typů domácností ve všech krajích od roku 2000 do roku 2006. Při analýze regionálních disparit ve finanční dostupnosti nájemního i vlastnického bydlení jsme se zaměřili na dvě základní úrovně zkoumání regionálních rozdílů: na vývoj regionálních rozdílů a vývoj rozdílů mezi konkrétními kraji a následně na proměny v zastoupení domácností v různě definovaných kategorií finanční dostupnosti bydlení v jednotlivých krajích, přičemţ regionální disparity byly analyzovány zvlášť pro segment „privilegovaného“ nájemního bydlení a „neprivilegovaného“ nájemního a vlastnického bydlení. Jelikoţ je velmi obtíţné a nepřehledné sledovat vývoj indikátorů finanční dostupnosti pro kaţdý z šedesáti typů domácností, byl jednak sledován vývoj průměrných hodnot indikátorů finanční dostupnosti za úhrn všech domácnosti v daném kraji a na druhé straně byly pomocí klastrové analýzy vygenerovány 4 shluky domácností, které se vyznačují obdobnou hodnotou vybraného indikátoru finanční dostupnosti bydlení, a následně byl sledován vývoj finanční dostupnosti pro tyto shluky domácností. Dalším úhlem pohledu zkoumání regionálních disparit ve finanční dostupnosti bydlení bylo testování hypotézy, zda se rozdíly mezi regiony v čase sniţují či zvyšují. Pro vyhodnocení regionálních disparit a jejich vývoje v čase byly pouţity jak standardní statistické míry variability, kterými jsou rozptyl, směrodatná odchylka a variační koeficient, tak Gini koeficient i tzv. koeficient ß-konvergence, jeţ je pouţíván v ekonomii a obecně vypovídá o tom, zda chudá ekonomika roste rychleji neţ bohatá (např. Barro, Sala-i-Martin 1991). Druhou úrovní mapování regionálních rozdílů ve finanční dostupnosti bydlení bylo zkoumání vývoje zastoupení domácností dle různých kategorií finanční dostupnosti bydlení na celkovém počtu domácností v daném kraji. Na základě různě definovaných výší maximálně únosné míry zatíţení nájemným, reziduálního příjmu, maximálních výší hodnoty P/I i na základě bonity domácností pro poskytnutí úvěru na „přiměřené“ bydlení z hlediska bank byly 3

Zejména byly vyřazeny domácnosti podnikatelů, neboť nemáme k dispozici regionální data o jejich příjmech. Zároveň byly také vyřazeny mnohé marginálně zastoupené domácnosti např. domácnosti důchodců s dětmi.

5


Šilheřovice 2008

identifikovány domácnosti s velmi nízkou finanční dostupností. Skutečné zastoupení těchto domácností v jednotlivých krajích bylo kvantifikováno podle SLDB 2001 a porovnáno v jednotlivých letech.

Analýza finanční dostupnosti nájemního bydlení v krajích ČR Měření finanční dostupnosti nájemního bydlení bylo provedeno zvlášť pro segment „privilegovaného“ a segment „neprivilegovaného“ nájemního bydlení. Vývoj finanční dostupnosti pro segment „privilegovaného“ a „neprivilegovaného“ nájemního bydlení se ukazuje jako značně odlišný. Míra zatíţení regulovaným nájemným od roku 2000 ve všech krajích klesá (graf č.1) a regionální rozdíly v míře zatíţení domácností v „privilegovaném“ nájemním bydlení jsou malé (omezují se pouze na výrazně vyšší míru zatíţení v Praze vzhledem k ostatním krajům). Variační koeficient, který popisuje vývoj regionálních rozdílů v míře zatíţení výdaji na nájemné v „privilegovaném“ segmentu nájemního bydlení, byl v období od roku 2000 do roku 2006 v zásadě na stále stejné úrovni (graf č. 2). Regionální rozdíly v míře zatíţení se tudíţ v této oblasti a ve sledovaném období obecně nezvyšovaly ani nesniţovaly. Důvodem takového vývoje byla zejména skutečnost, ţe od roku 2002 se zcela zastavila deregulace nájemného (v reálném vyjádření nájmy dokonce klesaly), zvyšovaly se pouze „ostatní“ výdaje na bydlení (ceny energií a sluţeb), které se do provedených analýz z výše uvedených důvodů nepromítají. V letech 2000 a 2001 došlo pouze k mírnému nárůstu nájemného v segmentu „privilegovaného“ nájemního bydlení, který zhruba odpovídal míře inflace v těchto letech. Jedinou výjimku představují domácnosti manaţerů, u kterých vlivem prudkého nárůstu příjmu v Praze došlo ke sniţování regionálních rozdílů.

Graf č. 1: Souhrnný index míry zatížení (vážený průměr míry zatížení - 60 typů zkoumaných domácností) 15% 14%

13,82% 13,37%

13%

12,99%

12,76%

Souhrnný index míry zatížení

12,49%

12%

11,78% 11,05%

11%

10% 9,43%

9% 8,92%

8%

7,78% 7,32%

7,18%

7%

6,76%

6,61%

6,51%

6,40%

6%

6,36% 6,18%

5,76%

5,81%

5,48%

5% 2000

2001

2002

2003

PRA

ST C

JC

PZ

KV

VYS

JM

OL

ZL

MS

2004 UL

2005 LI

Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.

6

HK

2006 PA


Šilheřovice 2008

Graf č. 2: Vývoj variačního koeficientu míry zatížení regulovaným nájmem u vybraných typů domácností v letech 2000 až 2006 30,0% 28,69%

28,70%

28,69%

28,70%

28,70%

28,70%

28,70%

27,5% 25,0%

25,43%

25,21%

25,02%

23,41% 22,5%

22,01% 21,22%

21,14%

20,0% 17,5%

21,08%

18,36%

17,27%

17,31%

15,0% 13,97%

13,65% 12,5% 10,0% 2000

2001

2002

2003

2004

2005

2006

manažeři, 2 děti

vědci a odborníci, 2 děti

řemeslníci, 2 děti

pomocní dělníci, 2 děti

technici, úředníci, provozní, 2 děti

technici, úředníci, provozní - samoživitelé

technici, úředníci, provozní bez dětí

regulovaný nájem

nezaměstnaní, 2 děti

důchodce


Finanční dostupnost bydlení v segmentu „neprivilegovaného“ nájemního bydlení se jak z hlediska vývoje míry zatíţení, tak z hlediska vývoje regionálních disparit jeví jako mnohem proměnlivější. Analýza vývoje průměrné míry zatíţení za úhrn všech sledovaných domácností v jednotlivých krajích ukázala, ţe nejvyšší míra zatíţení trţním nájemným je u praţských domácností, které pak následují domácnosti jihomoravské (graf č. 3). Naopak nejniţší míru zatíţení najdeme u domácností v Ústeckém kraji, kde by potencionální míra zatíţení v roce 2006 byla 2,5krát niţší. Přestoţe v Ústeckém kraji ţije nejvíce domácností nezaměstnaných a poměrně vysoké procento nízkopříjmových domácností, nízká úroveň nájmů v porovnání s Prahou má za následek vyšší dostupnost bydlení. Míra zatíţení v ostatních českých regionech je zhruba uprostřed rozpětí mezi mírou zatíţení v Jihomoravském kraji a v kraji Ústeckém. Z hlediska vývoje v čase míra zatíţení od roku 2000 do roku 2004 rostla ve všech krajích kromě Prahy, mezi roky 2004 a 2005 spíše zůstává ve všech krajích kromě Prahy na stejné úrovni a od roku 2005 do roku 2006 míra zatíţení klesala ve všech krajích kromě Moravskoslezského. V Praze se míra zatíţení zvyšovala pouze do roku 2003 a pak jiţ začala klesat. Vývoj míry zatíţení v Moravskoslezském kraji se odlišuje od ostatních regionů aţ v roce 2005; domácnosti v tomto kraji měly do té doby jednu z nejniţších měr zatíţení, avšak v roce 2006 jiţ byla průměrná míra zatíţení domácností v tomto kraji pátá nejvyšší. Tento vývoj byl vyvolán prudkým nárůstem nájmů, který však nebyl doprovázen tak prudkým růstem mezd.

7


Šilheřovice 2008

Graf č. 3: Souhrnný index míry zatížení (vážený průměr míry zatížení - 60 typů zkoumaných domácností) 60,0% 57,6%

55,0%

54,2%

50,0%

50,0%

Souhrnný index míry zatížení

48,7% 46,6% 45,5%

45,0%

45,2%

40,0% 38,1%

35,0%

34,4% 31,9%

30,0% 28,0%

28,0%

25,0%

25,0% 23,4% 21,3%

20,0%

19,3% 18,8%

20,0% 18,4%

17,6%

16,8%

16,4%

15,0% 2000

2001

2002

2003

PRA

ST C

JC

PZ

KV

VYS

JM

OL

ZL

MS

2004 UL

2005 LI

HK

2006 PA


Průměrná míra zatíţení ovšem zastírá poměrně velké rozdíly mezi jednotlivými typy domácností. Neboť by bylo obtíţné a nepřehledné sledovat a porovnávat rozdíly v míře zatíţení pro kaţdý ze 60 typů domácností, byly za pomoci klastrové analýzy vytvořeny čtyři shluky domácností, které se vyznačují obdobnou mírou zatíţení. Domácnosti ve shluku s nejvyšší mírou zatíţení mají míru zatíţení pohybující se okolo 54 %, kdeţto průměrná míra zatíţení ve shluku domácností s nejniţší mírou zatíţení dosahuje jen 13 % (graf č. 4). Shluk domácností s velmi vysokou mírou zatíţení zahrnuje domácnosti, které nemají vlastní příjmy a jsou závislé na sociální pomoci státu (domácnosti dlouhodobě nezaměstnaných), ale i domácnosti starobních důchodců a samoţivitelů dělníků a prodavačů či provozního personálu (např. prodavačky, číšníci atp.). Do shluku domácností s vyšší mírou zatíţení („spíše vysoká“) patří domácnosti niţších kategorií zaměstnání (řemeslníci, obsluha strojů, úředníci), kde je v rodině pouze jeden příjem. Do shluku domácností s niţší mírou zatíţení („spíše nízká“) náleţí řemeslníci se dvěma příjmy v domácnosti a rodiny techniků a odborníků s jedním příjmem. Nejniţší míru zatíţení („velmi nízká“) mají domácnosti dvou zaměstnaných z řad techniků, odborníků či manaţerů. Vývoj míry zatíţení pro tyto shluky domácností v čase, tedy v období let 2000 aţ 2006, popisuje graf č. 4. Souhrnná míra zatíţení pro shluk domácností je vypočtena jako průměrná míra zatíţení u všech příslušných typů domácností váţená reálným zastoupením daných typů domácností v jednotlivých českých krajích podle SLDB 2001. Graf č. 4 dokládá, ţe vývoj míry zatíţení není pro všechny typy domácností stejný. Míra zatíţení pro shluk domácností s nejvyšší mírou zatíţení rostla ve všech krajích kromě Prahy od roku 2000 aţ do roku 2005 a

8


Šilheřovice 2008

teprve od roku 2005 začíná klesat. V Praze míra zatíţení od roku 2000 do roku 2003 prudce vzrostla a pak jiţ jen klesá. Graf rovněţ ukazuje, ţe u domácností s nejvyšší mírou zatíţení jsou patrné největší regionální rozdíly, zatímco domácnosti s nejniţší mírou zatíţení mají míru zatíţení v jednotlivých krajích obdobnou.

Graf č. 4: Vývoj míry zatížení pro různé shluky domácností Domácnosti s nejvyšší mírou zatížení

Domácnosti s vyšší mírou zatížení

100%

100%

90%

90%

80%

80%

70%

70%

60%

60%

50%

50%

40%

40%

30%

30%

20%

20%

10%

10%

0%

0% 2000

2001

2002

2003

2004

2005

2006

P RA

STC

JC

PZ

KV

UL

LI

HK

PA

VYS

JM

OL

ZL

MS

2000

2001

2002

2003

2004

2005

2006

P RA

STC

JC

PZ

KV

UL

LI

HK

PA

VYS

JM

OL

ZL

MS

Domácnosti s nejnižší mírou zatížení

Domácnosti s nižší mírou zatížení

100%

100%

90%

90%

80%

80%

70%

70%

60%

60%

50%

50%

40%

40%

30%

30%

20%

20%

10%

10%

0%

0%

2000

2001

2002

2003

2004

2005

2006

2000

2001

2002

2003

2004

2005

2006

P RA

STC

JC

PZ

KV

P RA

STC

JC

PZ

KV

UL

LI

HK

PA

VYS

UL

LI

HK

PA

VYS

JM

OL

ZL

MS

JM

OL

ZL

MS


Hlavní město Praha představuje specifický region, ve kterém se nenalézají ţádné přidruţené menší ekonomicky slabší obce s nízkou úrovní cen. Lze tedy předpokládat, ţe míra zatíţení ve velkých krajských městech (Brno, Ostrava, Plzeň) můţe být mnohem vyšší, neţ je krajský

9


Šilheřovice 2008

průměr, a dominance Prahy v krajském srovnání je tak způsobena specifikou tohoto kraje. Z toho důvodu jsme zkoumali vývoj míry zatíţení u čtyřech shluků domácností ve vybraných krajských městech4 a příslušných krajích. Zřetelně můţeme vidět, ţe zatímco ve shluku domácností s nejvyšší mírou zatíţení praţské domácnosti dominují, u ostatních shluků domácností je situace v Praze a v Brně velmi podobná. V roce 2005 a 2006 byla míra zatíţení domácností zahrnutých do shluku domácností s nízkou mírou zatíţení v Brně dokonce vyšší neţ v Praze. Z grafů je tedy zřejmé, ţe ačkoli na základě srovnání krajů se zřetelně odlišuje Praha od zbytku republiky, ze srovnání míry zatíţení v krajských městech vyplývá, ţe situace v obou největších českých městech není natolik odlišná. Zaměříme-li se na vývoj regionálních rozdílů (sledovaný pomocí variačních koeficientů), pak z grafu č. 5 nevyplývá, ţe by docházelo ke kontinuálnímu zvyšování regionálních rozdílů od roku 2000 do roku 2006. Od roku 2000 do roku 2003 došlo k nárůstu regionálních disparit ve finanční dostupnosti trţního („neprivilegovaného“) nájemního bydlení a naopak od roku 2004 se regionální disparity sniţovaly. Tento vývoj lze připodobnit k vlně. Nejdříve se nájemné zvyšuje v regionech s jiţ vysokým nájemným a regionální nerovnosti dosahují svého vrcholu v roce 2003; následně pak dochází ke „slévání“ rozdílů, u regionů s vyšším nájemným výše nájmu stagnovala a u regionů s niţším nájemným naopak výrazněji rostla. Kromě míry zatíţení je dalším indikátorem pro měření finanční dostupnosti bydlení reziduální příjem. Reziduální příjem vyjadřuje objem prostředků, jeţ domácnostem zůstává po zaplacení nájemného a základních ţivotních nákladů (1,5násobku minimálních ţivotních nákladů členů domácnosti). Regionální rozdíly v míře zatíţení a reziduálním příjmu v roce 2006 znázorňuje graf č. 7. Shrneme-li poznatky o regionálních rozdílech v míře zatíţení a v reziduálním příjmu, pak můţeme definovat tři shluky domácností. První shluk představují domácnosti manaţerů, které mají nejniţší regionální rozdíly v míře zatíţení, avšak nejvyšší v reziduálním příjmu. V této skupině Praha zcela „utíká“ zbytku regionů. Míra zatíţení manaţerů v Praze sice odpovídá míře zatíţení techniků v jiných krajích, avšak reziduální příjem je zcela jiný. Příjmy v Praze jsou totiţ absolutně nejvyšší a stejné to je i u výše nájmů, z toho důvodu i přes vyšší míru zatíţení zůstává praţským manaţerům po odečtení nejvyššího nájmu z nejvyššího příjmu nejvíce finančních prostředků. Druhou skupinu představuje většina kategorií zaměstnání, jejichţ typickým reprezentantem je technik (KZAM 3). Regionální rozdíly v reziduálním příjmu jiţ v této skupině nejsou tak velké jako v případě manaţerů a naopak větší rozdíly jsou v míře zatíţení. Poslední skupinu tvoří převáţně domácnosti pomocných dělníků a většina domácností samoţivitelů a rodin s členem na rodičovské dovolené (reprezentovaných typem technici a zdravotníci). V této skupině se opět Praha ještě spolu s Jihomoravský krajem odlišuje od zbytku krajů. Výše reziduálního příjmu zde dosahuje zhruba stejné výše jako v ostatních krajích, ovšem míra zatíţení je mnohem vyšší.

4

Jelikoţ ovšem nejsou dostupná data o průměrných příjmech (mzdách) v jednotlivých krajských městech, nezbývá nám při podrobnějším srovnání situace v krajských městech neţ předpokládat, ţe je průměrný příjem v krajských městech shodný s průměrným příjmem v krajích. Skutečný průměrný příjem v krajských městech je velmi pravděpodobně vyšší neţ krajský průměr, ale je moţné předpokládat, ţe tento rozdíl nebude tak výrazný, neboť největší váhu v krajském průměru mají zpravidla krajská města. Míra zatíţení domácností v krajských městech byla tedy vypočítána jako poměr průměrného trţního nájemného za přiměřený byt v krajském městě k průměrnému příjmu daného typu domácnosti v kraji.

10


Šilheřovice 2008

Graf č. 5: Srovnání souhrnné míry zatížení ve vybraných krajích a příslušných krajských městech pro shluky domácností podle výše míry zatížení (2000 – 2006) Domácnosti s nejvyšší mírou zatížení

Domácnosti s vyšší mírou zatížení

100%

100%

90%

90%

80%

80%

70%

70%

60%

60%

50%

50%

40%

40%

30%

30%

20%

20%

10%

10%

0%

0%

2000

2001

2002

2003

2004

2005

2006

P raha

Středočeský kraj a P raha

Brno

Jihomoravský kraj

Ostrava

Moravskoslezský kraj

P lzeň

P lzeňský kraj

2000

Domácnosti s nižší mírou zatížení

2001

2002

2003

2004

2005

2006

P raha

Středočeský kraj a P raha

Brno

Jihomoravský kraj

Ostrava


P lzeň

P lzeňský kraj

Domácnosti s nejnižší mírou zatížení

100%

100%

90%

90%

80%

80%

70%

70%

60%

60%

50%

50%

40%

40%

30%

30%

20%

20%

10%

10%

0%

0% 2000

2001

2002

2003

2004

2005

2000

2006

2001

2002

2003

2004

2005

2006

Praha

Středočeský kraj a Praha

Praha

Středočeský kraj a Praha

Brno

Jihomoravský kraj

Brno

Jihomoravský kraj

Ostrava


Ostrava


Plzeň

Plzeňský kraj

Plzeň

Plzeňský kraj


11


Šilheřovice 2008

Graf č. 6: Vývoj variačního koeficientu míry zatížení tržním nájmem u vybraných typů domácností v letech 2000 až 2006 37,5% 36,04% 35,0% 33,01%

32,5%

30,79%

30,61%

30,0%

29,65%

27,75%

27,5%

32,56%

28,35%

28,46%

27,84% 25,47%

25,0%

23,92%

24,83%

21,80%

21,41%

23,05%

22,5% 20,0%

21,50%

19,22%

17,5%

16,70%

15,0% 2000

2001

2002

2003

2004

2005

2006

manažeři, 2 děti

vědci a odborníci, 2 děti

řemeslníci, 2 děti

pomocní dělníci, 2 děti

technici, úředníci, provozní, 2 děti

technici, úředníci, provozní - samoživitelé

technici, úředníci, provozní bez dětí

nezaměstnaní, 2 děti

tržní nájem

důchodce


13

Praha JM

rodičovská, samoživitel, 1 dítě

UL 12

starobní důchodce 11

pomocní dělníci, 2 děti 10

provozní a zemědělci, 2 děti 9

řemeslníci a obsluha str., 2 děti 8

úředníci, 2 děti 7

technici - rodič., 2 děti 6

technici, samoživitel, 1 dítě 5

technici, zdrav. apod., 2 děti 4

technici bez dětí 3

vědci a odborníci, 2 děti 2

manažeři, 2 děti

UL ST C

VYS

Praha

1

0

-10 000

0

10 000

20 000

30 000

40 000

50 000

STC

JC

PZ

KV

UL

LI

HK

PA

JM

OL

ZL

MS

Plzeň

Brno

Ostrava

Praha

60 000

VYS

Graf č. 7: Reziduální příjem u vybraných typů domácností v roce 2006 Zdroj: IRI,Regionální statistika cen práce (RSCP), ČSÚ, vlastní výpočty.

12


Šilheřovice 2008

Graf č. 8: Zastoupení zkoumaných domácností v různých kategoriích podle podílu výše čistého příjmu sníženého o tržní nájemné na minimálních životních nákladech v segmentu „neprivilegovaného“ nájemního bydlení (dle SLDB 2001) 2000

2006

Moravskoslezský kraj 3,75 13,59 Zlínský kraj 7,57 11,56 Olomoucký kraj 2,6411,24 Jihomoravský kraj 3,4811,51 Vysočina1,229,75 Pardubický kraj 1,8510,28 Královéhradecký kraj 3,4 15,28

42,8

6,38


13,63

10,79

39,97

6,39

Zlínský kraj

12,13

12,36

37,11

3,89

45,19

6,73

Olomoucký kraj

11,07

13,7

36,37

4,66

43,11

7,39

Jihomoravský kraj

48,2

6,6

Vysočina

47,85

6,21

Pardubický kraj

5,19

Královéhradecký kraj

4,18

Liberecký kraj

16,63

12,36

41,67

Liberecký kraj 4,71 15,29

39,27

36,26

11,91 11,28 13,62

5,84

23,36

18,94

11,11

38,25

2,79

11,69

14,29

36,92

3,29

11,85

15,93

35

2,76

31,41

3,05

38,07

6,67

Ústecký kraj

17,3

13,65

28,83

6,3

Karlovarský kraj 2,6 16,31

38,44

6,62

Karlovarský kraj

17,09

11,39

30,46

5,03

Plzeňský kraj 2,06 16,77

41,92

5,61

Plzeňský kraj

17,13

11,28

35,04

2,91

Jihočeský kraj 4,89 14,49

40,29

5,24

Jihočeský kraj

16,75

10,16

35,31

2,69

4,21

Středočeský kraj

16,68

9,13

34,68

2,97

Ústecký kraj 6,86 14,48

Středočeský kraj 6,15 Praha

13,26 0%

více než 4,5

15,51

20%

3,0 - 4,5

37,59

9,07

17,41

40% 1,5 - 3,0

60%

18,69 80%

Praha

100%

18,31 0%

méně než 1,5

více než 4,5

20%

3,0 - 4,5

9,01

13,91

40%

60%

1,5 - 3,0

17,2 80%

100%

méně než 1,5


Struktura domácností podle různých normativně definovaných mezí relativního reziduálního příjmu v roce 2006 (graf č. 8) ukázala, ţe v roce 2006 by reziduální příjem 17 % domácností v Praze a 19 % domácností v Jihomoravském kraji byl nulový nebo dokonce záporný, tj. čistý příjem by domácnosti nestačil ani na zaplacení trţního nájmu a 1,5násobku ţivotních nákladů členů domácnosti. Dominantní postavení Prahy a Jihomoravského kraje lze vysvětlit skutečností, ţe v těchto krajích jsou nedostupností ohroţeni samostatně ţijící starobní důchodci, kteří zde patří k nejpočetnějším typům domácností; podobně lze také zdůvodnit nárůst procentuálního zastoupení ohroţených domácností v Jihomoravském kraji v roce 2006 oproti roku 2000. U většiny ostatních krajů s výjimkou krajů Ústeckého a Moravskoslezského zastoupení domácností s nulovým reziduálním příjmem nepřesahuje hranici 5 % (v Karlovarském kraji je to mírně nad 5 %). Překvapit můţe skutečnost, ţe v Ústeckém kraji, kde je obecně nejniţší míra zatíţení, je poměrně hojně zastoupena skupina domácností s nulovým reziduálním příjmem – důvodem je vysoké zastoupení domácností dlouhodobě nezaměstnaných. Z hlediska vývoje finanční dostupností trţního nájemního bydlení mezi roky 2000 a 2006 je jistě pozitivní, ţe se proměňuje struktura zastoupení domácností podle různých normativně definovaných mezí relativního reziduálního příjmu ve prospěch vyšší dostupnosti bydlení, a to ve všech krajích ČR kromě Jihomoravského kraje.

13


Šilheřovice 2008

Graf č. 9: Charakteristiky krajů v roce 2006 60% 100 50% 50 40% 0

30% -50

20%

-100

10%

-150

0%

-200

PRA

STC

JC

PZ

KV

UL

LI

HK

PA

VYS

JM

OL

ZL

MS

souhrnná míra zatížení - 2006 podíl domácností - ohrožení nedostupností nájemního bydlení (reziduální příjem nižší než 1,5 *minimální životní náklady) - 2006 podíl domácností - ohrožení nedostupností nájemního bydlení (míra zatížení vyšší než 30 %) - 2006 souhrnný reziduální příjem (po odečtení 1,5-násobku minimálních životních nákladů) - 2006 (plus = nadprůměrně vysoká hodnota) HDP - 2006 (plus = nadprůměrně vysoká hodnota HDP) míra nezaměstnanosti (VŠPS) - 2006 (plus = nadprůměrně nízká nezaměstnanost)


Pokud bychom rozčlenili kraje podle zastoupení domácností, jeţ jsou potencionálně ohroţeny finanční nedostupností bydlení, pak můţeme definovat zejména dvě specifické skupiny krajů. První skupinu tvoří Praha a spolu s Jihomoravským krajem, Jihomoravský kraj se ovšem vyznačuje velkými rozdíly mezi krajským městem, Brnem, a zbytkem kraje. V Praze a v Brně najdeme nejvyšší míru zatíţení, vysoké HDP/obyv. a zároveň početnou skupinou ohroţených domácností (viz graf č. 9). Další skupinu tvoří naopak kraje (Moravskoslezský kraj, Ústecký kraj, Karlovarský kraj a Olomoucký), kde je bydlení nejdostupnější, ale kde je také nejvyšší míra nezaměstnanosti. Z toho důvodu také skupina domácností dlouhodobě nezaměstnaných, kteří jsou ohroţeny ve všech krajích, je zde nejpočetnější, a proto skupina domácností ohroţených nedostupností je v těchto krajích početnější neţ například v Plzeňském, Jihočeském nebo Libereckém kraji.

Závěr Analýza regionálních disparit ve finanční dostupnosti bydlení byla provedena pomocí specifické metodiky, která umoţňuje vypořádat se s nedostatečnou datovou základnou poskytovanou oficiální statistikou (neexistujícími datovými soubory dostatečného rozsahu, které by umoţňovaly relevantní třídění na úroveň jednotlivých regionů). Nevýhodou navrţeného přístupu je skutečnost, ţe neumoţňuje hodnotit skutečnou finanční dostupnost bydlení (nájemního nebo vlastnického) pro jednotlivé typy domácností, vypovídá pouze o potenciální finanční dostupnosti bydlení za výše zmíněných modelových (a částečně i normativních) předpokladů. Výhodou je naopak skutečnost, ţe umoţňuje relevantní

14


Šilheřovice 2008

hodnocení regionálních disparit v potenciální finanční dostupnosti bydlení v čase a mezi jednotlivými typy domácností tak, jak byly prezentovány výše. Z výsledků analýzy vývoje regionálních rozdílů ve finanční dostupnosti nájemního bydlení vyplývá, ţe vývoj finanční dostupnosti pro segment „privilegovaného“ a „neprivilegovaného“ nájemního bydlení je značně odlišný. Míra zatíţení regulovaným nájemným od roku 2000 ve všech krajích klesá, regionální rozdíly jsou zde malé a v období let 2000 – 2006 se regionální rozdíly v podstatně vůbec nezměnily. Zastoupení domácností s velmi nízkou finanční dostupností tohoto typu bydlení bylo v letech 2000 aţ 2006 také oproti „neprivilegovanému“ segmentu malé. V segmentu „neprivilegovaného“ nájemního bydlení dochází od roku 2000 do roku 2003 k nárůstu regionálních disparit ve finanční dostupnosti trţního nájemního bydlení a naopak od roku 2004 tyto regionální disparity klesají. Podrobnější zkoumání rozdílů mezi konkrétními regiony v roce 2006 odhalilo, ţe ze skupiny regionů vystupují tři kraje: Ústecký kraj na straně niţší míry zatíţení a Praha a Jihomoravský kraj na straně opačné. Z hlediska vývoje míry zatíţení samotné se významně odlišuje Moravskoslezský kraj, který byl v roce 2000 v dostupnosti bydlení na úrovni Ústeckého kraje, ovšem v roce 2006 se jiţ přesunul do středu skupiny většiny krajů. Srovnání míry zatíţení v roce 2006 v krajských městech překvapivě ukázalo, ţe míra zatíţení domácností v Praze ve srovnání s jinými krajskými městy (zejména s Brnem) není nikterak výrazně vyšší a odlišnost Prahy v krajském srovnání je tak způsobena specifickým postavením hlavního města (jeţ je současné obcí i krajem). Analýza vývoje dostupnosti „neprivilegovaného“ nájemního bydlení u jednotlivých typů domácností v jednotlivých regionech také odhalila, ţe mezi domácnostmi s vyššími příjmy (mezi domácnostmi vedoucích a řídících pracovníků i odborníků a specialistů) nejsou regionální rozdíly zdaleka tak významné jako mezi příjmově nejslabšími domácnostmi. V regionech s vysokou úrovní cen bytů i nájmů (Praha, Jihomoravský kraj) totiţ dosahuje výše čistého příjmu kvalifikovaných zaměstnanců výrazně vyšší úrovně neţ ve většině ostatních regionů, kdeţto příjem pracovníků s niţší kvalifikací je sice vyšší neţ v ostatní regionech, ale ne v takové míře. Nezávisle na tom, zda rodina manaţera ţije a pracuje v Praze, v Brně či v Českých Budějovicích, bude potencionální finanční dostupnost bydlení (měřená mírou zatíţení nájmem) těchto rodin obdobná. U niţších kategorií zaměstnání se však dostupnost bydlení mezi jednotlivými kraji začíná výrazně lišit. Jinými slovy, pro určité typy domácností by bylo velmi náročné či téměř nemoţné dovolit si bydlet ve vyspělejších „draţších“ regionech. Tato potencionální bariéra v migraci mezi regiony můţe mít negativní důsledky pro trh práce, neboť například pro rodiny provozního personálu ve sluţbách, prodavaček a jiných zaměstnanců ve sluţbách, ale i pro rodiny řemeslníků by bylo velmi obtíţné bydlet v Praze, byť jsou tyto profese v hlavním městě velmi poptávané. Tyto domácnosti z hlediska racionálního rozhodnutí „logicky“ zůstávají v regionech s vyšší dostupností bydlení, i kdyţ s často vysokou nezaměstnaností a nízkou nabídkou pracovních příleţitostí. Jiné potencionální riziko můţe představovat poměrně velký rozdíl ve finanční dostupnosti nájemního bydlení pro rodiny, kde je jeden člen na rodičovské dovolené - nedostupnost bydlení pro rodinné domácnosti totiţ můţe ovlivňovat demografické chování mladých lidí. V Praze a Jihomoravském kraji dokonce většina rodinných domácností, ve kterých byl pouze jeden člen výdělečně činný, spadala do skupiny domácností potencionálně ohroţených finanční nedostupností bydlení. Zejména v těchto krajích tak lze očekávat, ţe budou mladí lidé

15


Šilheřovice 2008

odkládat zaloţení rodiny či se stěhovat do míst s vyšší finanční dostupností bydlení. Tyto i jiné souvislosti budou podrobně zkoumány v rámci dalších dílčích cílu projektu „Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na sníţení regionálních disparit“, které se budou hlavně zaměřovat na analýzu hlavních potenciálních důsledků vývoje finanční dostupnosti bydlení i regionálních disparit v této oblasti.

Literatura 1) Barro, R., X. Sala-i-Martin 1991. Convergence across States and Regions. Brooking Papers on Economic Activity, 1: 107 - 182. 2) Blaţek, J., P. Csank 2007. Nová fáze regionálního rozvoje v ČR? Sociologický časopis/Czech Sociological Review, 43 (5): 945 – 965. 3) Hui, C. M. E. 2001. Measuring Affordability in Public Housing from Economic Principles: Case Study of Hong Kong. Journal of Urban Planning and Development Vol. 127, No. 1, Str. 34 - 49. 4) Hulchanski, D. 1995. The Concept of Housing Affordability: Six Contemporary Uses of the Housing Expenditure-To-Income Ratio. Housing Studies 10: 471–492. 5) Lux et al. 2006. Analýza opatření bytové politiky směřujících k podpoře flexibility práce v ČR. Praha: Sociologický ústav AV ČR. 6) Lux M, P. Sunega, T. Kostelecký, D. Čermák 2003. Standardy bydlení 2002/03. Finanční dostupnost a postoje občanů. Praha: Sociologický ústav AV ČR. 7) Lux M., P. Sunega, T. Kostelecký, D. Čermák, P. Košinár 2004. Standardy bydlení 2003/2004. Bytová politika v ČR: efektivněji a cíleněji. Praha: Sociologický ústav AV ČR. 8) Lux, M. 2002. Finanční dostupnost bydlení v ČR a zemích EU. Praha: Národohospodářský ústav Josefa Hlávky. 9) Lux, M. ed. 2003. Housing policy: An end or a new beginning? Budapešť: Open Society Institute. 10) Lux, M., M. Mikeszová, P. Sunega, T. Kostelecký, M. Kadlecová, M. Hadlač, M. Polednik 2008. Souhrnná zpráva k DC 001 : Zmapování vývoje i regionálních disparit

(mezi regiony NUTS 3) ve finanční dostupnosti bydlení pro jednotlivé právní typy bydlení, segmenty trhu a typy českých domácností v letech 2000 – 2006. http://www.disparity.cz/index.asp?menu=704&record=4122 11) Lux, M., P. Burdová 2000. Výdaje na bydlení, sociální bydlení a napětí na trhu s bydlením (mezinárodní komparace a polistopadový vývoj v ČR) . Praha: Národohospodářský ústav Josefa Hlávky. 12) Lux, M., P. Sunega 2002. Modelování rovnováţné úrovně nájemného a důsledků aplikace vybraných nástrojů bytové politiky. Finance a úvěr 53: 31-59. 13) Lux, M., P. Sunega 2006. Vývoj finanční dostupnosti nájemního a vlastnického bydlení v průběhu transformace českého hospodářství v České republice (1991 – 2003). Sociologický časopis/Czech Sociological Review 42 (5): 851-881. 14) Lux, M., P. Sunega, T. Kostelecký, D. Čermák, J. Montag 2005. Standardy bydlení 2004/2005. Financování bydlení a regenerace sídlišť. Praha: Sociologický ústav AVČR.

16


Šilheřovice 2008

ANALÝZA REGIONÁLNÍCH DISPARIT VE FYZICKÉ DOSTUPNOSTI BYDLENÍ Z HLEDISKA BYTOVÉ VÝSTAVBY Ing. Jan Česelský; Ing. Martin Ferko; Ing. Vladimír Koudela, CSc . Abstrakt Bydlení je tradiční politikum se závažnými dopady na státní rozpočet. U nás to platí obzvláště v průběhu stále probíhající sociální a ekonomické transformace. Příspěvek presentuje závěry dílčí části výzkumného projektu WD-05-07-3, který zkoumá dostupnost bydlení a regionální disparity v dostupnosti bydlení, potencionální důsledky vývoje dostupnosti bydlení a vývoje těchto disparit.

Abstract Housing is a traditional political severe impact on the state budget. For us this is especially true during the ongoing social and economic transformation. Contribution presents the sub conclusions of the research project WD-05-07-3, which examines the availability of housing and regional disparities in the availability of housing, the potential consequences of the development of the availability of housing and development of these disparities.

Klíčová slova Bydlení, Disparity, Fyzická dostupnost

Key words Housing, Disparity, An availability of housing

Úvod Vztah mezi fyzickým počtem bytů a jejich potřebou, bilancovaný na úrovni státu či velkých územních jednotek v sobě skrývá jisté metodické úskalí. To spočívá v možných (a velmi pravděpodobných) rozdílech v rozmístění obyvatelstva a bytového fondu v území. Tento aspekt má dvě základní stránky, nižší regionální a typologickou. V minulost platilo, že lidé žili (bydleli) tam, kde měli zdroj své obživy. Bydliště bylo ve vysoké míře totožné s pracovištěm. Někdejší těsný vztah mezi bydlištěm a pracovištěm se uvolňuje natolik, že rovnováha se vytváří až na nižší regionální úrovni, tj. zhruba na úrovni 180 – 200 územních celků, elementárních regionů. Vedle průmyslu se dnes na tomto stavu podílí stále se rozšiřující základna služeb, ať už veřejných (především školství, zdravotnictví) či placených. O rozmístění obyvatelstva na nižší regionální úrovni tedy rozhoduje objem pracovních příležitostí, na lokální úrovni – v jednotlivých (venkovských) sídlech nebo částech velkých měst pak stávající materiální základna bydlení a územně technické podmínky (tedy možnosti nové výstavby bytů/domů). V souhrnu se vytváří situace, kterou odborníci nazývají suburbanizací (rostou předměstské zóny a příměstská sídla).

1


Šilheřovice 2008

Migrační faktor Potřeba bydlení v jednotlivých krajích je silně vázána na vývoj počtu a skladbu cenzových domácností, tj. z dynamiky růstu počtu domácností a dynamiky poklesu velikosti domácností. Obě tyto vývojové tendence působí ke zvýšení poptávky po bytech. Jak ukazují přírůstky (úbytky) počtu obyvatel přirozenou měnou, stěhováním, přírůstek(úbytek) celkem a saldo migrace, největší migrační přírůstky směřovaly do zázemí velkých měst s mírnější nezaměstnaností a s úbytky obyvatel v důsledku přirozené měny obyvatel. Opačně docházelo k úbytkům počtu obyvatel stěhováním z okresů s přírůstky počtu obyvatel, avšak také s vysokou nezaměstnaností. V období 1991-2001 tomu tak bylo zejména v Ústeckém a Moravskoslezském kraji. Z rozboru vyplývá, že jen menší počet krajů si dlouhodobě uchovával kladný přírůstek obyvatel, při čemž pouze v Karlovarském kraji na tom spolupůsobil přirozený přírůstek i migrace. V Moravskoslezském kraji naopak se na úbytku přirozená měna a saldo migrace spolupodepsaly. V ostatních krajích kladné saldo migrace bylo nedostatečné k překrytí úbytků z přirozené měny obyvatel. V posledních letech zvláště v roce 2005 a 2006 se působení salda migrace zvýrazňuje v obou směrech.

Tabulka č.1: Saldo migrace v roce 2005 a 2006 podle krajů ČR, kraj Hl.m.Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Česká republika

2005 abs. 11769 14734 2316 2311 -345 1266 1424 1375 998 922 1028 34 31 -1674 36229

2006 % 10,01 12,85 3,7 4,2 -1,13 1,54 3,33 2,51 1,97 1,81 0,91 0,05 0,05 -1,3 3,54

abs. 6260 16472 2038 3124 103 -124 1420 1475 1643 538 2360 603 11 -1203 34720

% 5,29 14,12 3,24 5,65 0,34 -0,15 3,3 2,69 3,24 1,05 2,09 0,94 0,02 -0,96 3,38


Největší kladné saldo migrace se projevuje ve Středočeském kraji a poté v Praze. Kladnou úlohu migrace sehrává v Plzeňském a Libereckém kraji. Změnila se tendence vlivu v kraji Karlovarském a utvrzuje se dřívější slabý pozitivní vliv v kraji Olomouckém a Zlínském. V současnosti na migrační přírůstky obyvatel působí silněji také přistěhovalectví z jiných zemí. V hlavním městě přibylo za první pololetí roku 2007 téměř 10 tis. osob, z toho převažující část z ciziny (v roce 2006 celoroční přírůstek činil 7,5 tisíce osob). Podobně ve Středočeském kraji z celkového přírůstku 12 106 obyvatel za polovinu roku 2007 tvořila migrace 11 304 osob (93,4 %) z jiných okresů a rovněž z ciziny.

2


Šilheřovice 2008

Mezi kraji s vyšším relativním přírůstkem obyvatel chybí kraje s nízkou vybaveností obyvatel a domácností byty: Královéhradecký, Pardubický, Jihomoravský. V těchto krajích se diference s ostatními kraji prohloubily. V Plzeňském a Olomouckém kraji byl přírůstek jen o málo vyšší než v celostátním průměru a tudíž i zde patrně nedošlo ke snížení rozdílů v úrovni bydlení (vybavenosti obyvatel a domácností) oproti úspěšnějším krajům.

Charakteristika bytové výstavby 1997-2006 podle krajů V intenzitě bytové výstavby vyjádřené počtem dokončených, zahájených a rozestavěných bytů se dobře odráží probíhající změny mnohem rychleji než v bytovém fondu. Bytová výstavba je ovšem jen malou částí bytového fondu. Roční vliv na změny v počtu a kvalitě trvale obydlených bytů nepřesahuje obyčejně 1-2 %. V České republice se roční rozsah výstavby v současnosti pohybuje kolem 40 tis. bytů. Rozdíly mezi jednotlivými kraji jsou dostatečně velké a mohou především v dynamice snižovat nebo naopak prohlubovat rozdílný regionální rozvoj i konkrétní disparity.V tabulce je intenzita bytové výstavby vyjádřena ukazateli počtu dokončených a zahájených bytů v souhrnu za období 1997-2006 a za poslední tři roky jednotlivě.

Tabulka č. 2: Intenzita bytové výstavby podle krajů 1997-2006 ČR, kraj Hl.m.Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský ČR

Počet dokončených bytů/ 1 000 obyv. 19972004 2005 2006 2006 3,14 5,08 5,58 4,3 3,12 5,35 5,29 5,11 2,32 3,51 3,12 3,04 2,58 3,7 3,53 3,74 1,65 1,66 3,77 2,03 1,03 1,27 1,36 1,03 2,07 3,08 2,65 2,38 2,18 2,42 2,6 2,22 2,37 3,13 2,77 2,33 2,31 3,06 3,08 2,92 2,46 3,42 3,38 3,52 2,09 2,3 1,75 2,04 2,34 2,53 2,89 1,93 1,36 1,58 1,54 1,31 2,27 3,16 3,21 2,34

Počet zahájených bytů/ 1 000 obyv. 19972004 2005 2006 2006 4,07 5,35 6,31 6,68 4,82 7,01 8,32 7,2 3,58 4,1 3,76 4,28 3,26 3,63 3,09 4,07 2,44 3,36 2,22 2,5 1,51 1,54 1,68 2,18 2,61 3,36 2,24 3,71 2,64 2,24 3,6 3,66 2,33 3,72 3,38 4,46 3,14 3,69 3,2 3,37 3,26 4,79 4,32 5,22 2,84 2,85 2,75 2,8 2,68 2,75 2,71 2,92 1,68 1,6 1,6 2,34 3,82 3,95 4,26 3,04


V mezikrajském porovnání se v intenzitě bytové výstavby dostávají trvale na přední místa hl. m. Praha a Středočeský kraj. V počtu dokončených bytů se nad celostátním průměrem v letech 1997-2006 pohybují ještě kraje Plzeňský, Jihomoravský, Pardubický, Zlínský, Jihočeský a Vysočina. Slabší postavení, i v posledních třech letech si udržují kraje Moravskoslezský, Ústecký, Karlovarský, Královéhradecký, Pardubický, Olomoucký a Vysočina. V krajských městech Brno, Olomouc, Liberec, České Budějovice, Jihlava a Karlovy Vary je intenzita bytové výstavby vyšší než v průměru kraje, v Ostravě, Ústí nad Labem, Plzni, Hradci Králové, Pardubicích a Zlíně je naopak nižší. Projevuje se zde určitá anomálie, která ovšem může mít i dočasný charakter.

3


Šilheřovice 2008

Statistická analýza bytové výstavby ukazuje u statistického znaku počet dokončených bytů na 1000 obyvatel v rámci krajů České republiky, že se variační koeficient v letech 1995 – 2002 udržuje na víceméně konstantní hladině mezi 21 – 26 procenty, od roku 2003 výrazně roste a v roce 2005 je jeho hodnota již 40%. Při souvislosti se směrodatnou odchylkou se tak zjistí, že v letech 1995 – 2002 rostly rozdíly mezi kraji, ale současně se zvyšovala také výstavba, takže procentuální podíl směrodatné odchylky a průměru byl stále stejný, v dalších letech rostly rozdíly v bytové výstavbě mezi kraji mnohem rychleji než samotná bytová výstavba. Koeficient β-konvergence/divergence zobrazuje hodnoty Pearsonova korelačního koeficientu, který měří závislost mezi přírůstkem sledovaného znaku v jednotlivých krajích v daném roce a hodnoty argumentu v předchozím roce. Tento koeficient může nabývat hodnot od -1 do 1. Blíží-li se koeficient korelace hodnotě 1, existuje mezi proměnnými silná přímá lineární závislost, obdobně koeficient korelace blížící se hodnotě -1 vyjadřuje silnou nepřímou lineární závislost. Naopak, pokud se hodnoty koeficientu korelace blíží nule, říkáme, že sledované proměnné jsou lineárně nezávislé. Koeficient β-konvergence/divergence opět u statistického znaku počet dokončených bytů/1000 obyvatel dosahuje v roce 2003 hodnoty -0,13 a v roce 2004 je roven 0,82. Tedy v roce 2003 byla lineární závislost mezi přírůstkem počtu dokončených bytů a počtem dokončených bytů v předchozím roce velmi nízká, navíc byly tyto veličiny nepřímo úměrné a naopak v roce 2004 se jednalo o silnou přímou lineární závislost mezi přírůstkem a počtem dokončených bytů v minulém roce. V zahajované bytové výstavbě jsou tendence z intenzitního vyjádření v dokončené výstavbě velmi podobné, pouze zobrazené na vyšší úrovni ukazatele. U krajů s nižší intenzitou zahajované bytové výstavby bude rozsah dokončených bytů v nejbližších třech letech méně příznivě ovlivněn než tomu bude v krajích s relativně vyšší úrovní zahajované výstavby. Dlouhodoběji ovšem nízká bytová výstavba se téměř vždy projeví v nízké fyzické dostupnosti bydlení a může tak přispět i ke vzniku obzvláště silné regionální disparity. Významné je propojení bytové výstavby a bytového fondu prostřednictvím porovnání intenzity bytové výstavby s vybaveností domácností byty. Průměrnou roční intenzitu 19972004 poměřenou vybaveností zjištěnou k 1. 3. 2001 vyjadřuje graf.

4


Šilheřovice 2008

Graf č. 1: Vztah mezi intenzitou bytové výstavby a vybaveností

Zdroj: z podkladů ČSÚ zpracoval ÚRS PRAHA, a.s.

Dobře se ukazuje postavení krajů podle dosažené vybavenosti domácností byty v porovnání s dynamizujícím faktorem výstavby. Dva kraje (Ústecký a Moravskoslezský) měly v letech 1997-2008 nízkou intenzitu bytové výstavby, avšak poměrně vysokou vybavenost domácností byty vytvořenou v předchozích letech. Umístění Prahy podle obou ukazatelů vyjadřuje vyhraněné růstové tendence. Podobně tomu bylo v Plzeňském kraji a kraji Vysočina. Z ostatních krajů umístěných směrem k vyšší intenzitě výstavby se podle vývoje intenzity výstavby i v dalších letech bude posilovat postavení Středočeského kraje, v menší míře i krajů Jihomoravského a Zlínského. Nízká vybavenost byty i nízká intenzita výstavby zůstává v Karlovarském kraji. Upozornit je potřebné na posun bytové výstavby podle intenzitního ukazatele do obcí s nižším počtem obyvatel v sousedství větších měst. Zde je také aktuální základna pro výstavbu rodinných domů a honosnějších vil. Kvalitativní charakteristiku bytové výstavby je možné rovněž provést až do roku 2006. Rozdíly mezi kraji mají ve vztahu k regionálním disparitám pouze doplňující význam. Pouze výraznější narůstání rozdílů v obytné ploše, počtu místností, zalidnění bytů či vybavenosti bytů by mohlo varovat před nízkou kvalitou bydlení v bytovém fondu. Údaje ukazují, že takové nebezpečí nehrozí. Porovnání mezi kraji má ovšem svůj význam v tom, že přináší podněty pro zlepšení kvality bydlení v jednotlivých krajích a nižších územně správních celcích.

5


Šilheřovice 2008

Tabulka č.3: Velikost dokončených bytů, obytná a užitková plocha bytu podle rodinných domů a bytových domů a podle krajů v roce 2006

ČR, kraj

Průměrná obytná plocha v m2/byt

Průměrná užitková plocha v m2/byt

rodinné bytové rodinné bytové domy domy domy domy Hl.m.Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Česká republika

110 102,6 96,6 94,1 101,4 96,7 95 90,8 96,3 91,6 99,3 93,6 97,2 91,9 97,9

56,5 48,7 48,4 47,3 43,8 38,6 38,3 45,3 44,5 49,5 48,1 44,6 50 69,6 50,2

162,7 142,7 141,5 133,4 150,2 137,1 132,6 139,9 144,8 136,9 149,4 136,6 151,1 140,2 142,8

72,3 69,7 66,1 63,1 58,4 53,7 56,8 57,9 60,9 64,7 68,1 74,6 63,1 91,8 68

Byty podle počtu pokojů rodinné domy 4 33,6 36,1 36,1 38,2 34,4 40,1 45,7 33 42,2 38,3 40,9 42 35,6 38,8 37,9

bytové domy

5 a více garson. 50,6 45,3 39,9 38,3 47,3 29,6 36,5 39,5 39,7 38,7 40,5 33,5 46,8 41,3 41,5

8,4 8 8 11,5 10 30,8 6,2 22,6 5,7 0,9 7,2 1 2,5 0 8

1

2

3

29,1 24,5 24,4 17,6 7,7 25,1 28,3 6,2 18,2 16,2 15,8 19,6 16,7 26,9 20,7

29,4 39,7 41,6 43,2 47,1 19,2 42,8 45,8 51,6 45,3 34,1 49,1 55,8 18,3 36,5

31,5 25,7 20 21,5 28,5 19,2 20 23,2 21,7 31,2 34,4 23,1 16,7 27,9 27,7

Zdroj: ČSÚ

Republikový průměr velikosti bytů podle obytné a užitkové plochy značně přesahují kraje Moravskoslezský a Praha (V Moravskoslezském kraji to způsobuje zřejmě nulový podíl garsoniér). V obytné ploše rodinných domů pak Středočeský, Karlovarský a Jihomoravský kraj. V užitkové ploše rodinných domů jsou v popředí kraje Karlovarský, Zlínský, Vysočina a Pardubický. V krajích Moravskoslezském, Olomouckém a v kraji Vysočina chybí nebo v roce 2006 bezmála chyběla výstavba garsoniér. Třípokojové byty v nově postavených bytových domech jsou naopak v krajích zastoupeny dosti rovnoměrně s výjimkou Zlínského, Ústeckého, Libereckého a Jihočeského kraje, kde je podíl znatelně nižší než v celostátním průměru. Důležité zůstává ještě upozornění, že v posledních letech 2002-2006 oproti období 19972001 průměrná obytná plocha dokončených bytů v bytových domech vykazovala v řadě krajů pokles. Bylo tomu tak v hl. m. Praze, Jihočeském, Olomouckém a Jihomoravském kraji. Pokles se projevil i celostátně (1997-2001 průměrná plocha 48,6 m2, 2002-2006 – 48,2 m2). K výraznému poklesu v období 2002-2006 došlo zejména v Jihomoravském kraji o 6,5 m2 a hl. m. Praze o 7,5 m2. K menšímu snížení obytné plochy došlo i u rodinných domů v hl. m. Praze, Středočeském a Jihočeském kraji. Celostátně se velikost bytů zvýšila.

Modernizace bytového fondu v krajích ČR Důležitým ukazatelem, který je sledován v běžné statistice spolu s bytovou výstavbou je modernizace bytů. Počet dokončených a modernizovaných bytů je ovšem sledován samostatně. Usuzuje se odůvodněně, že rozsah modernizace bytů je stále nízký, odpovídá v ČR zhruba pouze polovině zahajovaných bytů v roce 2006. V tabulce a grafu je uveden vývoj počtu modernizovaných bytů podle krajů a intenzitní ukazatel za desetileté období.

6


Šilheřovice 2008

Tabulka č.4: Modernizace bytového fondu v krajích ČR 1997–2006 Počet dokončených modernizací bytů v roce, období Kraj

Hl.m. Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský ČR

1997

1998

1999

2000

2001

2002

2003

2004

2005

383 367 65 59 246 259 195 389 342 300 363 558 116 1 003 4 645

680 929 67 61 247 180 20 280 342 70 626 923 442 1 211 6 078

1 172 625 173 73 1 540 193 120 317 455 177 769 1 579 172 1 390 8 755

1 486 1 086 310 119 1 662 237 41 412 713 237 1 120 1 797 203 1 302 10 725

3 013 1 522 273 178 411 259 136 589 863 280 2 500 1 940 337 1 134 13 435

3 650 1 006 188 309 559 289 31 563 721 388 1 724 2 172 506 1 493 13 599

3 188 1 725 297 255 514 342 62 546 534 383 1 972 1 185 347 1 411 12 761

3 879 1 740 333 386 369 380 79 455 598 413 2 286 2 793 431 1 327 15 469

4 755 2 632 913 894 656 765 261 848 794 609 3 415 2 747 685 1 922 21 896

Počet dok. modernizací bytů 19972006 na 1 000 obyvatel 1997 2006 středního –2006 4 985 27 191 2,31 1 977 13 609 1,21 1 472 4 091 0,65 620 2 954 0,54 618 6 822 2,24 460 3 364 0,41 243 1 188 0,28 641 5 040 0,92 775 6 137 1,21 419 3 276 0,63 3 558 18 333 1,62 2 869 18 563 2,9 713 3 952 0,66 1 792 13 985 1,1 21 142 128 505 1,25

Zdroj: ČSÚ

Rekonstrukce bytového fondu je nejvíce ovlivněna věkovou a rovněž materiální (panelová zástavba) skladbou bytových domů. Trvale obydlené byty podle období výstavby v bytových domech se od skladby celého bytového fondu liší tím, že jsou poskytnuty vhodnější údaje pro úvahy o rekonstrukci bytového fondu, tj. údaje v urbanizovaných prostorech, kde je umístěna naprostá většina bytů z celkového počtu. Jinak se ovšem potvrzuje, že těžiště rekonstrukce bytového fondu zůstává v podstatě stejné. Kraje s vysokými podíly starého fondu bytových domů a nevelkými přírůstky bytů v letech 1991-2001 jsou nejvíce ohroženy. Regionální disparity v bydlení zde narůstají. Jedná se o tyto kraje: hl. m. Praha (s poznámkou o výraznějším zlepšení po roce 2001 na základě rekonstrukcí bytových domů z panelů), dále pak kraj Středočeský (platí stejná poznámka jako u Prahy), Karlovarský a Liberecký.

Graf č.2: Modernizované byty 1990-2005 (absolutní hodnoty)

Zdroj: ČSÚ, vlastní výpočty

7


Šilheřovice 2008

V průměrné obytné ploše dokončených bytů je v krajích v naprosté většině znatelná růstová tendence. Výjimkou je hl. m. Praha, Jihočeský a Středočeský kraj. Středočeský kraj i Praha zůstávají ovšem v čele krajů s nadprůměrnou úrovní. U bytových domů je mírný pokles plochy v ČR celkem. Větší pokles lze zaznamenat v Praze, Jihočeském, Jihomoravském a Olomouckém kraji. Pokračování v této nepříznivé tendenci by regionální disparity v této oblasti posílilo. Obzvláště to platí o kraji Olomouckém, který již v letech 1997-2001 byl v obytné ploše dokončovaných bytů pod průměrem ČR. Jihomoravský a Olomoucký kraj se v letech 2001-2006 pod průměrnou úroveň dostávají.

Vybavenost obyvatel a domácností byty v krajích ČR 2001-2006 a předpoklad do roku 2010 - 2015 Tabulka č.5: Vývoj počtu obyvatel 1991-2015 podle krajů (1991-2006 skutečnost, 2010 a 2015 projekce) Přírůstky (úbytky) – výchozí rok=100

Počet obyvatel ČR, kraj

Hl.m.Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Česká republika

1991

2001

2006

1 214 174 1 112 882 622 889 558 307 301 985 824 461 425 120 552 809 508 718 513 740 1 114 160 647 341 596 903 1 278 726 10 302 215

1 169 106 1 112 473 625 267 550 688 304 343 820 219 428 184 550 724 508 281 512 143 1 134 786 643 817 595 010 1 265 019 10 230 060

1 188 126 1 175 473 630 006 554 537 304 602 823 265 430 774 549 643 507 751 511 645 1 132 563 638 894 589 839 1 249 292 10 287 189

1991 -2001 96,3 100,9 100,4 98,6 100,8 99,5 100,7 99,6 99,9 99,7 99,2 99,5 99,7 98,9 99,3

2001 -2006 101,6 104,7 100,8 100,7 100,1 100,4 100,6 99,8 99,6 99,9 99,8 99,4 99,1 98,8 100,6

Počet obyvatel 2010

2015

1 190 000 1 192 000 631 000 555 000 306 000 827 000 431 000 550 000 506 000 509 000 1 138 000 638 000 588 000 1 235 000 10 291 000

1 200 000 1 215 000 6 333 000 558 000 306 000 830 000 4 333 000 550 000 504 000 506 000 1 133 000 636 000 585 000 1 220 000 10 308 000

Přírůstky (úbytky) – výchozí rok=100 2001 -2010 101,8 106,2 100,9 100,8 100,5 100,8 100,7 99,9 99,5 99,4 99,8 99,1 98,8 97,6 100,6

2001 -2015 102,6 108,2 101,3 101,3 100,5 101,2 100,9 99,9 99,2 98,8 99,8 98,8 98,3 96,4 100,7

Zdroj: ČSÚ, propočet K projekci obyvatel do roku 2015*) je třeba přičinit jen obvyklé vysvětlení, že pro ČR jako celek i pro kraje platí dlouhodobá tendence stárnutí obyvatelstva a také pokles počtu obyvatel v dlouhodobém vývoji. Obtížně odhadnutelným faktorem v projekci obyvatelstva je rozsah a saldo migrace vůči zahraničí. Již v současnosti se ukazuje, že imigrace bude větší než se dosud uvažovalo. Kraje se podle údajů v tabulce liší přírůstky (úbytky) obyvatel výrazně. Již v období 1991-2001 byla většina krajů úbytkových. Pouze 3 kraje končily přírůstkem (Středočeský, Jihočeský, Liberecký). I hlavní město Praha mělo úbytek obyvatel, opačná – příznivá tendence se prosadila až po roce 2000. Údaje za období 2001-2006 (skutečnost) rozdělují kraje do dvou početně shodných skupin. Hlavní město Praha a Středočeský kraj vzrůstají početně nejrychleji a menší růst udržují kraje Jihočeský, Karlovarský, Liberecký a z mínusu (1991-2001) se do plusu přemísťují Plzeňský a Ústecký kraj. Ve srovnání s obdobím 1991-2001 dále klesá počet obyvatel v Pardubickém, Olomouckém, Zlínském a Moravskoslezském kraji. Kraje Královéhradecký a Jihomoravský sice zůstávají v mínusové hodnotě, avšak relativně menší 2001-2006 než 19912001. *)

Projekce jsou zpracovány na delší období. V tabulce pouze výseč do roku 2015.

8


Šilheřovice 2008

V údajích z projekce (2010 a 2015) se situace celostátně zlepšuje a stejně je tomu ve většině krajů. Kraje s úbytkem obyvatel v předcházejících letech (2001, 2006) zůstávají s mínusovým vývojem. Předpokládá se větší pokles v Moravskoslezském, Zlínském, Pardubickém a Olomouckém kraji. V poklesu zůstávají, ale neprohlubují ho kraje Královéhradecký, Jihomoravský (relativní vzestup) a kraj Vysočina. V krajích s přírůstkem obyvatel a krajích s relativním zlepšením úbytků obyvatel se vytvořila příznivější situace k ovlivnění růstu nabídky bytů a je zde první symptom prohloubení rozdílů s ostatními kraji, které setrvávají v úbytcích obyvatel. Více než vývoj počtu obyvatel proces bydlení i v regionálním porovnání ovlivňuje vývoj (dosavadní i v budoucích letech) domácností. Vzhledem ke štěpení cenzových domácností a snižující se průměrné velikosti by měl počet domácností v ČR k roku 2015 dosáhnout přibližně 4 600 tis. domácností. K růstu domácností přispívají všechny kraje, ovšem s rozdílnou dynamikou růstu. Nejvýraznější vzestup proběhne ve Středočeském kraji a také v hlavním městě Praze. Rostoucí tlak na nabídku bytů se projeví také v Ústeckém, Karlovarském, Plzeňském a Libereckém kraji. Nízký růst počtu domácností se naopak projeví silněji ve Zlínském, Olomouckém a Moravskoslezském kraji jakož i v kraji Vysočina. Závislost růstu bytové výstavby ovšem není zcela mechanická. Rozhodující je konkrétní nabídka a poptávka a rovněž i bytová politika prováděná v krajích a menších územních celcích. Propočet bytové výstavby 2001-2010 začleněním a návazností na vývoj v letech 2001-2006 umožní provésti první přiblížení ke zkoumání konkrétních relací v bydlení podle krajů a vyjasnění regionálních rozdílů až disparit v období 2001-2006 a 2001-2010. Údaje a propočty obsahuje tabulka „Bytová výstavba a prognózní úvaha“.

Tabulka č.6: Bytová výstavba 2001-2006 a prognózní úvaha do roku 2010 Zahájené byty v průměru/rok

Dokončené byty v průměru/rok ČR, kraj

Hl. m. Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Česká republika *)

2001-2006 absol. % 4 875 16,8 4 952 17 1 873 6,4 1 889 6,5 638 2,2 1 018 3,5 1 078 3,7 1 387 4,8 1 431 4,9 1 462 5 3 560 12,2 1 459 5 1 476 5,1 1 985 6,8 100 29 084*)

2005-2006 absol. % 5 875 18,6 6 021 19,1 1 932 6,1 2 021 6,4 894 2,8 1 080 3,4 1 079 3,4 1 320 4,2 1 458 4,6 1 534 4,9 3 900 12,4 1 213 3,8 1 422 4,5 1 778 5,6 100 31 526*)

2004-2006 absol. % 7 654 18,9 8 684 21,5 2 542 6,3 1 952 4,8 819 2 1 482 3,7 1 364 3,4 1 736 4,3 1 951 4,8 1 722 4,3 5 388 13,3 1 788 4,4 1 615 4 2 315 5,7 100 40 388*)

Dokončené byty v průměru/rok 2007-2010 absol. % 6 190 17,2 6 660 18,5 2 200 6,1 2 230 6,2 760 2,1 1 260 3,5 1 300 3,6 1 650 4,6 1 690 4,7 1 690 4,7 4 760 13,2 1 650 4,6 1 580 4,4 2 380 6,6 36 000 100

2001-2010 absol. % 5 400 17 5 635 17,7 2 005 6,3 2 025 6,4 685 2,1 1 115 3,5 1 170 3,7 1 490 4,7 1 540 4,8 1 350 4,9 4 040 12,7 1 535 4,8 1 520 4,8 2 140 6,7 31 850 100

V roce 2007 dokončeno 41 650 bytů a zahájená výstavba 43 796 bytů.

Zdroj: ČSÚ, vlastní výpočty K prognóznímu odhadu počtu dokončených bytů do roku 2010 jsou využity údaje charakterizující tendence vývoje v dokončování a zahajování bytové výstavby po roce 2000 (dokončené byty 2001-2006 a 2005-2006, zahajované byty 2004-2006). Rok 2007 – údaje za

9


Šilheřovice 2008

ČR je potřebné považovat za výjimečné, ovlivněné několika kroky v bytové politice a také očekáváním daňových změn. Z odborného odhadu bytové výstavby v letech 2007-2010 především vyplynulo, že by mohlo být reálně v desetiletích 2001-2010 dokončeno kolem 320 tis. bytů. Z prognostických prací založených na zjištění fyzické potřeby bytů na základě projekcí obyvatelstva a domácností a s přihlédnutím k dalším reprodukčním faktorů vyplývá, že by bylo potřebné v dlouhodobějším výhledu, např. 2001-2015 dosahovat vyššího počtu dokončovaných bytů, zhruba v rozsahu 42-45 tis. bytů. ročně. Do roku 2010 nebude takového počtu dosaženo. Údaje za poslední roky však ukazují, že bytová výstavba po roce 2010 se může požadovanému počtu dokončovaných bytů přiblížit. I když v této práci se nezabýváme zjištěním důvodů dosud nízkého pokrytí potřeby bytů, je potřebné upozornit, že meziregionální rozdíly a disparity jsou hodnoceny na nižší úrovni, než by měla být a jsou touto skutečností nepochybně ovlivněny. Z odborného odhadu vývoje počtu dokončených bytů do roku 2010 uvedeného v tabulce vyplývá, že je třeba počítat s prohloubením stávajících rozdílů mezi kraji. Pomalejší vývoj je patrný v Olomouckém, Zlínském, Karlovarském, Královéhradeckém i Plzeňském kraji. U hl. m. Prahy, Středočeského a Jihomoravského kraje se jeví bytová výstavba 2007-2010 (v návaznosti na léta 2001-2006) jako faktor posilující pozici těchto krajů na úseku bydlení. Rozdíly v bytové výstavbě prozatím nepřerůstají do značných rozměrů. Jsou však již dosti patrné. Na druhou stranu je potřebné uvésti, že bytová výstavba není jediným faktorem úrovně bydlení. Nižší výstavba bytů v některém kraji může být zčásti nahrazena větším snížením úbytků bytů (rychlejší rozvoj rekonstrukce bytového fondu), relativně větší přeměnou části neobydlených bytů na trvale obydlené a dalšími faktory zefektivnění procesu bydlení.

Neobydlené byty v krajích ČR 2001-2006 a předpoklad do roku 2010 - 2015 Počet neobydlených bytů v roce 2001 (SLBD) byl velmi vysoký – 538,6 tis. bytů. Bylo by nejenom žádoucí, ale patrně po roce 2000 vznikají také i objektivní podmínky působící ke snížení tohoto počtu. Snížení však nebude enormní. Jak vyplynulo z důvodů neobydlenosti, většina z nich působí ve smyslu uchování neobydlenosti i v dalších letech. Byl proto zvolen odborný odhad snížení počtu neobydlených bytů v období 2001-2006 a 2001-2010 v menším rozsahu pouze zhruba 10 % z celkového počtu neobydlených bytů (54 tis. bytů). V propočtech za jednotlivé kraje byl za základ vzat podíl neobydlených bytů v období 1991-2001 a vycházelo se z předpokladu, že desetiprocentní snížení se uskuteční v souladu s těmito podíly. Vzhledem k tomu, že se nejedná o velké počty bytů – neovlivní vybavenost domácností byty podstatněji, je toto zjednodušení přípustné. Vliv faktoru neobydlenosti na rozdíly mezi kraji poměřované počty trvale obydlených bytů (v relativním vyjádření) je patrný z údajů v následující tabulce.

10


Šilheřovice 2008

Tabulka č.7: Rozmístění úspor získaných ke snížení neobydlených bytů podle krajů v letech 2001-2006 a 2001-2010 (v tis.)

ČR, kraj

Hl. m. Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Česká republika

Počet trvale Rozsah úspor obydlených neobydlených bytů bytů k 1.3.2001 2001-2006 2001-2010 496,9 413,1 231,3 209 115,9 321,9 161,8 204,5 182,9 179,8 404,9 230,6 204,8 470,2 3 827,70

3,3 5,3 2,4 2 0,5 1,7 1,5 2,1 1,6 1,8 2,8 1,5 1,5 2,1 30

6 9,5 4,2 3,6 0,8 3 2,7 3,8 2,9 3,2 5 2,7 2,7 3,9 54

Zvýšení počtu trvale obydlených bytů 2001-2006

2001-2010

500,2 418,4 233,7 211 116,4 323,6 163,3 206,6 184,5 181,6 407,7 232,1 206,3 472,3 3 857,70

502,9 422,6 235,5 212,6 116,7 324,9 164,7 208,3 185,8 183 409,9 233,3 207,5 474,1 3 881,70


S připočtením k výchozímu stavu trvale obydlených bytů k 1. 3. 2001 hrubých přírůstků (dokončené byty) a části neobydlených bytů a po odečtení úbytků bytů je možné modelově zjistit počet trvale obydlených bytů k roku 2006 a 2011. Stejnými úkony lze nastínit i výsledné počty bytů včetně neobydlených. Podle modelových propočtů a odborného odhadu se trvale obydlené byty i byty celkem ve vývoji 2001-2006 a 2001-2010 budou více mezikrajsky odlišovat než v dřívějším desetiletí. Těžiště dynamiky rozvoje se pevně usadí v hl. m. Praze a Středočeském kraji. Již dříve zaostávající kraje v rozvoji bydlení své zaostávání v bytovém fondu prohloubí. Nevelký růst počtu trvale obydlených bytů, který se např. v Moravskoslezském kraji projevil v letech 2001-2006 zejména velmi nízkou bytovou výstavbou, se může změnit jedině zvýšením poptávky po bytech na základě vzestupu pracovních míst, snížení nezaměstnanosti a také snížením emigrace. V podstatě se tímto podává doporučení, které je ovšem potřebné na základě rozboru konkretizovat. Platí i pro slabší kraje s nízkým potenciálem rozvoje bydlení (Ústecký, Olomoucký a Karlovarský především).

Závěrečné poznatky a hlavní disparity Kapitolu je nyní možné uzavřít souhrnnými ukazateli, které mohou nejlépe vypovídat o rozdílech a meziregionálních disparitách v bydlení v podobě jeho fyzické dostupnosti.

11


Šilheřovice 2008

Tabulka č.8: Vybavenost obyvatel a domácností trvale obydlenými byty v roce 2001, 2006 a 2010 podle krajů ČR, kraj Hl. m. Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Česká republika

Počet trvale obydlených bytů na Počet trvale obydlených bytů na 1 000 obyvatel 100 cenzových domácností 2001 425,1 368 369,9 379,5 380,9 392,5 377,9 371,4 359,9 346,3 359 360,6 344,1 370,4 374,2

2006 436,4 370,7 379,8 391,9 387,7 393,4 385,1 379,8 369,4 361,5 369,2 368,4 356,5 380,8 383

2010 452,5 384,5 390 404,3 392,5 394,6 393,7 390,9 379,6 372,3 379,4 375,2 365 389,9 395

2001 90,7 89 90,5 89,9 87,5 90,4 89,3 89,6 89,4 89 89,4 89,7 88,9 89,4 89,6

2006 91,2 90,3 90,6 90,3 85,9 88,4 88,1 89,2 88,8 87,6 88,8 88,9 89 89,4 89,5

2010 91,9 89,3 91,1 91,1 85,2 87,4 87,9 89,5 89,2 92,9 90 89 89,8 93,3 90

Zdroj: ČSÚ, vlastní propočet

Vzhledem k preciznějším údajům o počtu obyvatel než o počtu domácností se propočet vybavenosti obyvatel trvale obydlenými byty jeví mezikrajsky vyrovnanější než stejný ukazatel vybavenosti domácností. Například silný nárůst počtu domácností ve Středočeském kraji se i při předpokládaném značném růstu bytové výstavby a úměrných úbytcích bytů v roce 2010 ve vybavenosti domácností trvale obydlenými byty sníží oproti roku 2006. Bylo však již uvedeno, že při odborných odhadech nelze očekávat výpočet zcela přesných hodnot. Důležité je postižení tendencí. U Středočeského kraje se několikráte potvrzuje rychlý růst kvantitativní i kvalitativní úrovně bydlení. Údaje o vybavenosti obyvatel a domácností byty se již mohou interpretovat jako souhrnnější vyjádření meziregionálních rozdílů, které v některých krajích přerůstají, resp. se chystají přeměnit na meziregionální disparity neovlivněné objektivními podmínkami, spočívajícími jak v širší ekonomicko-sociální oblasti, tak i v nedostatcích v samotném systému bydlení. Upozornit je potřebné zejména na bytové situace ve Zlínském, Ústeckém a Karlovarském kraji. Vybavenost obyvatel trvale obydlenými byty v Libereckém kraji má např. vzestupnou úroveň, avšak u domácností se projevuje trvalý pokles. Tento nesoulad může skrývat i některé nedostatky, které mohou mít závažnější charakter. Celkově ovšem údaje o vybavenosti neupozorňují na extrémní rozdíly, takže celkově v oblasti fyzické dostupnosti bydlení není situace hrozivá. Svědčí o tom i jiné faktory a vlivy. Běžně se např. dotvrzuje, že přes vysoký počet neobydlených bytů, nebo přes vysoký podíl bytů sídlištního typu se celostátně ani v jednotlivých krajích neprojevuje akutní nedostatek bytů ve fyzickém vyjádření nebo masovější vybydlenost sídlištních celků. Avšak i pouze prohlubování diferenciace mezikrajská i sociální v bydlení již musí vésti k analýze a aktivnímu zapojení tržních i podpůrně orientovaných administrativních nástrojů.

12


Šilheřovice 2008

Z analýz regionálních disparit ve fyzické dostupnosti bydlení z hlediska bytové výstavby plynou významné regionální disparity:  Kraje, které již v roce 1991, i dříve vykazovaly nízkou úroveň v bydlení ve srovnání s průměrem za ČR si i v období 2001-2010 ponechají toto postavení přesto, že některé z nich mají slušnou intensitu bytové výstavby.  Vysoký podíl úbytků z počtu dokončených bytů ukazuje na nízkou efektivnost a spolu s druhými faktory tlačí kraje Ústecký,Moravskoslezský, Pardubický, Olomoucký a Vysočinu do pozice regionálně disparitní.  Malý podíl rekonstrukce bytových domů z panelů je nebezpečný zejména v Ústeckém, Karlovarském a Moravskoslezském kraji.  Z odborného odhadu vývoje počtu dokončených bytů do roku 2010 vyplývá, že je třeba počítat s prohloubením stávajících rozdílů mezi kraji. Pomalejší vývoj je patrný v Olomouckém, Zlínském, Karlovarském, Královéhradeckém i Plzeňském kraji. U krajů s nižší intenzitou zahajované bytové výstavby bude rozsah dokončených bytů v nejbližších třech letech méně příznivě ovlivněn než tomu bude v krajích s relativně vyšší úrovní zahajované výstavby. Oslabit tento vliv by mohla poněkud pouze např. větší přeměna neobydlených bytů na obydlené, snížení úbytků bytů, resp. lepší využití obytné plochy a zejména také čerpání ze zdrojů rozestavěných bytů. Dlouhodoběji ovšem nízká bytová výstavba se téměř vždy projeví v nízké fyzické dostupnosti bydlení a může tak přispět i ke vzniku obzvláště silné regionální disparity. S ekonomicky intenzivní nebo naopak extenzivní výstavbou a s rekonstrukcí bytového fondu jsou spojeny úbytky bytů. V dosavadním, dlouhodobém vývoji převládala tendence extenzivní, úbytky bytů byly vysoké. Poměr úbytků k bytové výstavbě – počtu dokončovaných bytů zůstává až do současnosti nepříznivý. K hrazení úbytků musí být vynakládán příliš velký podíl nově postavených bytů. Z hlediska kvality nové výstavby je významné, že v posledních letech 2002-2006 oproti období 1997-2001 průměrná obytná plocha dokončených bytů v bytových domech vykazovala v řadě krajů pokles. Bylo tomu tak v hl. m. Praze, Jihočeském, Olomouckém a Jihomoravském kraji. Pokles se projevil i celostátně (1997-2001 průměrná plocha 48,6 m2, 2002-2006 – 48,2 m2). K výraznému poklesu v období 2002-2006 došlo zejména v Jihomoravském kraji o 6,5 m2 a hl. m. Praze o 7,5 m2. Ve vztahu k vývoji počtu a struktury domácností se ukázalo, že bytová výstavba nepodporuje fyzickou dostupnost bydlení (vybavenost obyvatel bytovým fondem) dostatečně. Ve spojitosti s bariérami finanční dostupnosti to může vést k latentní bytové krizi.

Literatura [1] Dupal, j., Rozpracování závěrů o rozsahu rekonstrukce panelových domů a výhledů do roku 2015, ÚRS PRAHA, a.s., Praha, 2006. [2] Firbach, D., et al, Analýza bytové výstavby v územích ČR, 1997-2006, ÚRS PRAHA, a.s., Praha, 2007. [3] ČSÚ – statistika bytové výstavby veřejná databáze ČSÚ – Průmysl stavebnictví – dokončené byty http://vdb.czso.cz/vdbvo. [4] Dupal, J., Rozsah rekonstrukce bytových domů z panelů v hodnocených městech, krajích a ČR z roku 2001 a výhled do roku 2015, Rozvoj bydlení V., Sborník ČSRB, Praha, 2007.

13


Šilheřovice 2008

CESTOVNÍ RUCH JAKO JEDEN Z VÝZNAMNÝCH NÁSTROJŮ ŘEŠENÍ REGIONÁLNÍCH DISPARIT Ing. Vladimír Vavrečka, CSc.

Abstrakt Cestovní ruch je plnohodnotné a atraktivní odvětví, schopné významně se podílet na ekonomickém rozvoji regionu. Toto potvrzuje nejen vývoj tohoto odvětví za posledních více neţ 20 let, ale rovněţ řada konkrétních příkladů, kdy nově vzniklé destinace cestovního ruchu významně pomohly řešit ekonomické a sociální problémy místních komunit. Potenciál cestovního ruchu nejen v ČR, ale i v Moravskoslezském kraji vytváří příleţitosti pro vyuţití tohoto odvětví jako významného nástroje pro zajištění udrţitelného rozvoje řady regionů a tedy i nástroje pro řešení regionálních disparit.

Klíčová slova Atraktivity cestovního ruchu, Cestovní ruch, Destinace cestovního ruchu, Ekonomický rozvoj, Návštěvníci, Turisté,

Abstract Tourism is a full-value and attractive industry, able to participate significantly in the economic development process of a region. This is confirmed not only by the last more than 20 years development but also by a range of particular examples when newly established tourists’ destinations significantly assisted in treatment of economic and social problems of local communities. The tourism potential not only of the Czech Republic but also of the Moravian - Silesian Region creates opportunities for utilisation of this industry as a significant tool for assurance of the tenable development of a range of territories and subsequently for regional disparities treatment.

Keywords Economic development, Tourism, Tourism destination, Tourism attractions, Tourists, Visitors

Úvod Cestovní ruch je ve světě povaţován za odvětví budoucnosti, protoţe jeho rozvoj provází silný multiplikační efekt. Představuje komplexní hospodářsko-ekonomické odvětví, které významným způsobem ovlivňuje zaměstnanost, platební bilanci a socioekonomický rozvoj regionů, podílí se na tvorbě hrubého domácího produktu, má vliv na příjmy místních rozpočtů a v neposlední řadě podporuje i investiční aktivitu v regionech. Cestovní ruch je typickým odvětvím sektoru sluţeb, které v ekonomikách vyspělých států představuje jiţ nadpoloviční aţ dvoutřetinový podíl. V rámci tohoto sektoru, vykazujícího jiţ tak vysokou dynamiku, patří cestovní ruch k těm rychle rostoucím. Celosvětově vytváří cca 12 % pracovních míst.

1


Šilheřovice 2008

Od r. 1990 vzrostly příjmy z mezinárodního cestovního ruchu o 80 %. Celosvětově se podíl cestovního ruchu na tvorbě HDP jiţ blíţí 15 % a objemem trţeb se cestovní ruch řadí na první místo mezi hospodářskými odvětvími před obchod s ropou a automobilový průmysl. Tyto úctyhodné charakteristiky však vytvářejí stále širší pole pro vyuţívání cestovního ruchu jako významného nástroje ekonomického rozvoje a to zejména tam, kde z různých důvodů nelze stavět místní rozvoj na tradičních průmyslových či zemědělských odvětvích.

Ekonomický rozvoj Existuje celá řada pohledů na problematiku ekonomického rozvoje a neméně široká je škála jeho definic. Neexistuje jediná jednotící definice, která by zachytila všechny aspekty rozsáhlého tématu, kterým ekonomický rozvoj rozhodně je. Nejčastěji je ekonomický rozvoj charakterizován a popisován z hlediska dosahovaných cílů. Zpravidla se jedná o cíle typu:  tvorba pracovních míst,  tvorba materiálního bohatství,  zlepšování kvality ţivota. Ekonomický rozvoj se dá rovněţ chápat jako proces, který ovlivňuje růst a proměny ekonomiky, zaměřené na zvyšování hospodářského blahobytu komunity či regionu. V nejširším smyslu slova ekonomický rozvoj zahrnuje tři základní oblasti:  Politiky, realizované vládou s cílem dosahovat obecných ekonomických cílů, jako např. kontrola inflace, vysoká zaměstnanost a udrţitelný růst.  Politiky a programy, zaměřené na poskytování veřejných sluţeb typu budování dálnic, správa parků a zajišťování přístupu ke zdravotní péči pro postiţené.  Politiky a programy přímo zaměřené na zlepšování podnikatelského prostředí prostřednictvím konkrétních opatření: o financování podniků, o marketing, o rozvoj okolního prostředí, o udrţování a expanze stávajících podniků, o transfer technologií, o rozvoj nemovitostí a další o atd. Světová banka, jako jeden z čelních finančních subjektů ve světě, charakterizuje ekonomický rozvoj následovně: „Místní ekonomický rozvoj (Local Economic Development) je proces, ve kterém partneři z veřejného, podnikatelského a nevládního sektoru spolupracují na vytváření lepších podmínek pro hospodářský růst a tvorbu pracovních míst. Cílem je zlepšit kvalitu ţivota všech.“ Hlavním cílem ekonomického rozvoje je tedy zlepšování ekonomického blahobytu společenství s pomocí opatření, která vedou k vytváření a udrţování pracovních míst, zlepšování daňové výtěţnosti a kvality ţivota. Jelikoţ neexistuje jediná „správná“ definice ekonomického rozvoje, nelze hovořit ani o jediné správné strategii, politice či programu dosahování úspěšného ekonomického rozvoje. Komunity a regiony se liší ve svých geografických, kulturních a politických přednostech a

2


Šilheřovice 2008

slabinách a kaţdá komunita či region má svůj vlastní okruh problémů k řešení v rámci ekonomického rozvoje. Silné a slabé stránky jednotlivých komunit a regionů tvoří subjektivní rysy řešení ekonomického rozvoje. Na druhé straně je zde celá řada objektivních charakteristik (příleţitostí a hrozeb), které jsou více či méně stejné pro všechny komunity či zainteresované subjekty. A právě schopnost úspěšně pracovat s vlastními subjektivními charakteristikami v rámci objektivního vnějšího prostředí vytváří rámec rozvojové strategie. Jednou z významných příleţitostí udrţitelného ekonomického rozvoje je sektor cestovního ruchu, vykazující dlouhodobý stabilní růst (s jednoročním zpomalením, způsobeným dopady z útoku na Světové obchodní centrum v New Yorku z 11. 9. 2001, epidemií SARS v Asii atd.) a to jak co do počtu turistů, tak co do jejich celkových výdajů (viz následující grafy World Tourism organisation, dále jen WTO). Podle studie WTO „Vize cestovního ruchu pro rok 2020“ bude dlouhodobé cestování zabírat místo nynějších 24 % celých 32 % v zahraničním cestovním ruchu a kaţdá třetí cesta bude dlouhodobým pobytem v jiném regionu světa. Podle informací WTO předpokládá Rada pro cestovní ruch, ţe turistický průmysl v roce 2020 dosáhne počtu 1,6 mld. příjezdů zahraničních turistů. To vyţaduje roční přírůstek ve výši 4 – 5 % mezinárodních příjezdů. V porovnání s roky 1996 a 1997 je to trojnásobek, přičemţ odhady hovoří o dalším velkém rozvoji po roce 2010. Příjmy z mezinárodního turismu vzrostou více neţ pětkrát, aby dosáhly 2 triliony USD. Do roku 2020 bude kaţdý den utraceno za zahraniční turismus více neţ 5 mil. USD, včetně nákladů na mezinárodní přepravu.

Graf č. 1, Mezinárodní příjezdy turistů, 1950 – 2020

Zdroj: WTO, Tourism Highlights, 2007 Edition

3


Šilheřovice 2008

Graf č. 2, Příjezdový cestovní ruch, 1990 - 2005

… mezinárodní cestovní ruch: Příjezdy (v milionech) … příjmy z mezinárodního cestovního ruchu (v miliardách USD) Zdroj: WTO, Tourism Highlights, 2007 Edition

Pro střední a východní Evropu, tedy pro náš „domovský“ region, vypadal vývoj v uplynulých letech poměrně velmi pozitivně a potvrzoval dlouhodobé prognózy profesních organizací (zejména WTO) a čelných odborníků na cestovní ruch. Nicméně zpomalení v posledních dvou letech naznačuje, ţe přes zajímavé prognózy není tento region ještě zcela připraven konkurovat zaběhlým destinacím cestovního ruchu (zaběhlým značkám), ale po více neţ 15 letech od politických a ekonomických změn jiţ zřejmě rovněţ ztratil přitaţlivost nově objevených destinací (nových produktů), a to zejména díky neadekvátnímu vývoji v poměru kvality sluţeb a jejich cen. Toto potvrzuje následující tabulka.

4


Šilheřovice 2008

Tabulka č. 1: Mezinárodní příjezdy turistů podle regionů a subregionů v letech 2002-2006 Celkové příjezdy v mil. Země

Afrika severní Afrika subsaharská Afrika

Amerika severní Amerika Karibik střední Amerika jiţní Amerika

Asie a Pacifik severovýchodní Asie jihovýchodní Asie Oceánie jiţní Asie

Evropa severní Evropa západní Evropa stř. a vých. Evropa jiţní Evropa

Střední Východ Celkem

Nárůst v % 2005/ 2004

Nárůst v % 2006/ 2005

Podíl na trhu v % 2006

2002

2003

2004

2005

2006 *

30

31

33

37

40

8,5

8,1

4,8

10 19

11 20

13 20

14 23

15 26

8,9 8,2

5,8 9,4

1,7 3,0

117

113

124

134

136

6,0

2,1

16,2

83 16 5 13

77 17 5 14

85 18 6 16

90 19 7 18

90 20 7 20

4,7 4,4 13,4 12,2

0,5 3,2 6,1 7,2

10,7 2,3 0,8 2,3

131

119

153

155

167

7,7

7,6

19,8

74 42 9 6

68 36 9 6

88 48 10 8

88 49 10 8

94 53 10 9

10,3 4,8 3,7 4,8

7,4 9,0 0,3 10,1

11,2 6,4 1,2 1,0

397

399

424

441

458

4,0

3,9

54,4

46 138 66 148

47 136 68 148

51 139 73 152

53 143 87 158

56 149 88 165

6,5 2,6 1,4 6,0

6,6 4,3 1,0 4,2

6,7 17,6 10,4 19,6

28

29

35

39

40

8,4

3,9

4,8

703

691

760

806

842

5,4

4,5

100

Zdroj: WTO, * Za rok 2006 předběţné údaje

Graf č. 3, Podíl světových regionů na trhu cestovního ruchu v roce 2006

Zdroj: WTO

5


Šilheřovice 2008

Přesto předpoklady WTO, hovořící o tom, ţe Evropa bude nadále nejnavštěvovanější destinací na světě s pravděpodobným přísunem turistů v roce 2020 na úrovni 717 mil., coţ je o 381 mil. více neţ v roce 1995, ţe v roce 2020 bude mít Evropa podíl na mezinárodních příjezdech 46 % a zejména ţe největší přísun turistů bude především do oblastí střední a východní Evropy (223 mil.) a do jiţního a východního Středomoří (212 mil.) vytváří nadále významnou příleţitost a prostor pro rozvoj cestovního ruchu v našich zeměpisných šířkách a tedy i pro vyuţití tohoto odvětví pro zajištění udrţitelného ekonomického rozvoje a po vzoru řady destinací ve světě pro pomoc při řešení regionálních disparit.

Cestovní ruch Co je to vlastně cestovní ruch a jak vznikl? Zjednodušeně bychom vznik dnes jednoho z dnes nejvýznamnějších ekonomických sektorů (pesimisté říkají, ţe se jedná o jeden ze 3 nejvýznamnějších sektorů, optimisté říkají, ţe se jedná o nejvýznamnější sektor) mohli popsat následovně. Dejme tomu, ţe někdy před řadou století se určitá komunita rozhodla oslavit nějakou zvláštní událost a vznikl festival, pouť či jinak označovaná společenská akce. Aktivní prodejci (kupci) vycítili, ţe lidé se rádi shromaţďují a posilněni nejen „společenským klimatem”, ale i často „gastronomickými záţitky“ se dostávají do nákupní nálady a ochotněji nakupují jejich zboţí. Místní obyvatelé si uvědomili, ţe návštěvníci ze vzdálenějších oblastí potřebují místo k odpočinku. Našel se i takový, který věděl jak zorganizovat nějakou zajímavou akci a protoţe byl dostatečným vizionářem, tak si uvědomil, ţe se najdou i takoví „hýřilové“, kteří by zaplatili za moţnost shlédnout západ slunce, zejména pokud by toto bylo doprovázeno dobrým jídlem a pitím. Obchodníci se shodli, ţe festival byl zajímavý a ekonomicky udrţitelný a proto se rozhodli, ţe zůstanou a nazvali místo kde prodávali „trhem“ nebo „trţnicí“. A komunita měla najednou obchodní centrum. Obydlí v jeho okolí, která nabízela občerstvení a místo k odpočinku se stala hostinci a občerstvovacími místy. Takto se nějak zrodil cestovní ruch. Tento model se ani po staletích příliš nezměnil. Je to velmi jednoduchý model rozvoje cestovního ruchu. Kdyţ k tomu přidáme výrobu zboţí typického pro dané teritorium, které místní obchodníci následně na uvedených trţnicích prodávají, potom vytváříme strategii rozvoje místní komunity, která zahrnuje cyklus od místních výrobců (řemeslníků) přes obchodníky aţ po poskytovatele sluţeb a najednou zde máme praktický příklad ekonomického rozvoje, tak jak jej dnes známe z řady destinací cestovního ruchu ve světě. Takţe vlastně za „developery“ cestovního ruchu můţeme označit obchodníky. Nástroje jejich marketingových aktivit zahrnují nábor klientů (propagaci), stejně jako vytváření produktů cestovního ruchu, které lákají návštěvníky k zastavení a vyhledávání volnočasových aktivit, za které jsou ochotni a schopni utrácet své peníze. Lze tedy říci, ţe rozvoj cestovního ruchu a propagace cestovního ruchu jsou dvěma stranami stejné mince. Ekonomičtí developeři jsou obchodníky rovněţ. V oblastech, kde skončilo „průmyslové období“ není mezi ekonomickými developery a developery cestovního ruchu z pohledu naplňování rozvojových perspektiv v podstatě ţádný rozdíl. Nicméně je nezastupitelnou rolí developerů napomáhat místním komunitám překlenout období hledání nových rozvojových moţností, mezi kterými je dnes neotřesitelně právě cestovní ruch. Chceme-li exaktněji definovat cestovní ruch, můţeme vyuţít Výkladového slovníku cestovního ruchu. Zde se dozvíme ţe: „cestovní ruch (turismus, zkratka CR, angl. tourism, travel) =

6


Šilheřovice 2008

komplexní společenský jev jako souhrn aktivit účastníků cestovního ruchu, souhrn procesů budování a provozování zařízení se sluţbami pro účastníky cestovního ruchu včetně souhrnu aktivit osob, které tyto sluţby nabízejí a zajišťují, aktivit spojených s vyuţíváním, rozvojem a ochranou zdrojů pro cestovní ruch, souhrn politických a veřejně-správních aktivit (politika CR, propagace CR, regulace CR, mezinárodní spolupráce apod.) a reakce místní komunity a ekosystémů na uvedené aktivity. Toto pojetí CR rozšiřuje statisticky zaměřené vymezení WTO a obdobné vymezení v návrhu normy EU, vycházející z definice účastníka cestovního ruchu - aktivity osob cestujících do míst mimo jejich obvyklé prostředí nebo pobývajících v těchto místech ne déle neţ jeden rok za účelem trávení volného času, podnikání či jiným účelem. Rozšířené pojetí CR vychází z vnímání CR jako komplexního procesu, který zasahuje nejen jeho účastníky, ale také poskytovatele sluţeb, destinace, v nichţ je cestovní ruch realizován a tranzitní destinace.“ Cestovní ruch lze tedy jednoznačně povaţovat za plnohodnotné ekonomické odvětví, schopné generovat pracovní místa a příjmy, odvětví postavené snad více neţ kterákoliv jiná odvětví na místních zvláštnostech či jedinečnostech, odvětví velmi pestré a opět snad o poznání více neţ jiná odvětví zaloţené na malých firmách. Odvětví, které spokojenost svých klientů ovlivňuje zejména kvalitou sluţeb, tedy kvalitou pracovní síly v něm působící.

Ekonomický význam cestovního ruchu Cestovní ruch druhé poloviny 20. století a počátku 21. století je ve světě povaţován za odvětví, přinášející významné multiplikační efekty. Často bývá označován za odvětví, ve kterém vzniká nejvíce pracovních příleţitostí. Kromě zaměstnanosti ovlivňuje významně rovněţ další oblasti či charakteristiky:      

více či méně se podílí na tvorbě hrubého domácího produktu, pozitivně ovlivňuje platební bilanci státu, podílí se na tvorbě příjmů státního rozpočtu, ovlivňuje příjmy místních rozpočtů, jeho rozvoj podporuje investiční aktivity, jeho rozvoj ovlivňuje místní komunitu, která zpětně ovlivňuje jej.

Průměrný roční růst o 4 – 5% v průběhu 2. poloviny 20. století z cestovního ruchu udělal nejdynamičtější ekonomické odvětví a významný sociální fenomén. Cestovní ruch ve světě v roce 1999 se podílel na tvorbě HDP téměř 13% (ve státech EU 14%), tvořil více neţ 8% hodnoty vývozu zboţí a téměř 35% inkasa obchodních sluţeb a vytvářel celosvětově 11% pracovních míst (ve vyspělých ekonomikách aţ 15%). A jak je na tom cestovní ruch v ČR ve srovnání se světem:

Tabulka č. 2: Základní ukazatele vývoje CR v ČR Ukazatel Počet zahraničních návštěvníků (mil. osob) Počet ubytovaných zahraničních turistů (mil. osob) Průměrná délka pobytu (ve dnech) Podíl ČR na evropském trhu CR (v %) Podíl ČR na světovém trhu CR (v %) Zdroj: MMR ČR, CzechTourism, WTO

7

1990 36,6 2,6 3,5 3,6 1,6

1992 69,4 2,6 3,5 0,9 0,5

2001 103,1 5,2 4,2 1,3 0,8

2006 100,1 6,4 4,1 1,4 0,8


Šilheřovice 2008

Tabulka č. 3: Země s nejvyššími devizovými příjmy z cestovního ruchu v mld. USD (srovnání let 1999 a 2005) Země USA Španělsko Francie Itálie Velká Británie Čína Německo Rakousko Řecko Kanada Austrálie Mexiko Švýcarsko Rusko Česká republika

mld. USD (1999) 74,4 32,9 31,7 28,4 21,0 14,1 16,8 11,1 8,8 10,0 7,5 7,6 7,4 7,8 3,0

mld. USD (2005) 81,7 47,9 42,3 35,4 30,7 29,3 29,2 15,5 13,7 13,6 15,0 11,8 11,0 5,5 4,6

Zdroj: WTO

Tabulka č.4: Podíl příjezdového cestovního ruchu vybraných evropských zemí na světovém cestovním ruchu Země Francie Španělsko Itálie Velká Británie Německo Rakousko Polsko Maďarsko Česká republika

% podíl 1990 11,5 7,5 5,8 3,9 3,7 4,2 0,7 4,5 1,6

% podíl 2000 11,1 6,9 5,9 3,6 2,7 2,6 2,5 0,7

% podíl 2005 9,4 6,9 4,5 3,7 2,7 2,5 1,9 1,2 0,8

Zdroj: WTO

Tabulka č.5: Podíl devizových příjmů z CR na HDP (2005) Region Evropská unie Evropská unie (včetně nepřímé tvorby HDP) Česká republika

Podíl v % 5,0 10,0 3,8

Zdroj: ETC

8


Šilheřovice 2008

Tabulka č.6: Vývoj devizových příjmů a výdajů z CR v České republice (v mld. Kč) 1993 45,4 15,4 30,1 2000 115,1 49,4 65,7

Devizové příjmy Devizové výdaje Saldo Devizové příjmy Devizové výdaje Saldo

1994 64,2 45,6 18,6 2001 118,1 52,8 65,3

1995 76,3 43,3 33,0 2002 96,3 51,5 44,7

1996 110,6 80,2 30,5 2003 100,3 54,4 45,9

1997 115,7 75,5 40,2 2004 107,1 58,4 48,8

1998 124,9 61,1 63,8 2005 110,9 57,8 53,2

1999 109,1 51,8 57,4 2006 113,1 60,0 53,1

Pramen: ČNB, za rok 2006 předběţné údaje

Tabulka č.7: Vývoj podílu devizových příjmů z CR na ekonomice České republiky (v %) 1995 5,5 13,4 42,8

1996 7,1 18,6 49,8

1997 6,9 16,3 50,9

1998 6,5 14,4 49,6

1999 5,6 11,6 43,8

2000 5,6 9,9 42,5

Podíl na HDP Podíl na exportu Podíl na příjmech ze sluţeb

2002 4,2 7,7 41,7

2003 4,2 7,3 45,8

2004 3,9 6,3 43,1

2005 3,8 5,9 43,0

2006 3,5 5,3 42,6

Podíl na HDP Podíl na exportu Podíl na příjmech ze sluţeb

2001 5,3 8,9 42,8

Pramen: ČNB, za rok 2006 předběţné údaje

Tabulka č.8: Vývoj příjezdového cestovního ruchu do ČR (hraniční statistika) V mil. osob Změna/předch. rok

1995 98,1

1996 109,4

1997 107,9

1998 102,8

1999 100,8

2000 104,2

2001 103,1

2002 97,6

97,0

111,6

98,6

95,3

98,0

103,4

98,9

94,7

2003 95,0

2004 95,9

2005 100,5

2006 100,1

97,3

100,9

104,8

99,6

V mil. osob Změna/předch. rok Pramen: ČSÚ

9


Šilheřovice 2008

Graf č.4: Vývoj příjezdového cestovního ruchu ČR v letech 1995 – 2006 115 110 105 100 95 90 85 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Počet příjezdů (mil. os.)

Tabulka č.9: Podíl cestovního ruchu vč. nepřímých efektů na HDP a na zaměstnanosti ve vybraných zemích Země

Podíl cestovního ruchu na HDP

Malta Kypr Estonsko Chorvatsko Rakousko Bulharsko Řecko Švýcarsko ČR Slovinsko Francie Slovensko EU Německo Maďarsko Polsko Švédsko

28,24 23,08 21,28 18,72 16,40 15,65 14,68 14,14 13,74 12,42 12,34 12,27 11,27 9,38 9,16 7,82 7,77

Podíl cestovního ruchu na zaměstnanosti 37,74 29,51 18,59 22,35 18,12 13,36 16,65 18,34 12,89 14,40 14,80 10,90 11,98 10,18 8,74 7,26 7,37

Zdroj dat: WTTC, 2005

Uvedené charakteristiky jsou v případě ČR na jedné straně rostoucí (např. počet zahraničních návštěvníků, počet ubytovaných zahraničních turistů), na straně druhé však v porovnání s Evropou či se světem ČR ztrácí své pozice (např. podíl příjezdového cestovního ruchu vybraných evropských zemí na světovém cestovním ruchu). Naše konkurence tedy dokáţe lépe vyuţívat příleţitostí a roste rychleji. A to i přes to, ţe i v dobách stagnace či poklesu příjezdů a/nebo výdajů turistů bylo v průběhu let 1995 – 2006 vţdy pozitivní saldo příjmů a výdajů cestovního ruchu větší neţ 1,1 miliardy USD.

10


Šilheřovice 2008

Cestovní ruch v Moravskoslezském kraji Následující tabulka ukazuje vývoj počtu turistů v kraji s vyuţitím ukazatele „počet hostů v hromadných ubytovacích zařízeních“. Z pohledu čísel a statistik je vývoj za poslední roky poněkud rozporuplný. Na jedné straně patří kraj k úspěšným z pohledu domácího cestovního ruchu, kde za 5 let došlo k nárůstu přibliţně o 3,9%. Naopak výrazně kraj ztrácel pozici u zahraničních turistů, kdy v hromadných ubytovacích zařízeních za 5 let došlo k poklesu o 15,5%, byť rok 2006 jiţ naznačuje změnu trendu k lepšímu (blíţe viz následující tabulka). A jak jsme na tom s kapacitami? Podíl MSK na celkovém počtu lůţek v ubytovacích zařízeních v ČR se pohybuje mezi 6 – 7%, podíl Ostravy na celkovém počtu lůţek v kraji je přibliţně 9%, tj. přibliţně 0,6 % všech lůţek v ČR. Třetí významnou otázkou je vyuţití kapacit. Vyuţití kapacit pokojů za MSK se pohybuje mezi 48% - 50%, za Ostravu je to kolem 40%, coţ je bohuţel pod průměrem ČR, který se pohybuje na úrovni přes 50%.

Tabulka č. 10: Vývoj počtu hostů v hromadných ubytovacích zařízeních v MSK Vývoj počtu hostů v hromadných ubytovacích zařízeních v MSK

a

Hosté

Počet

Počet

příjezdů

příjezdů

2002

2003

Index

2003/ 2002

Počet příjezdů

2004

Index

2004/ 2003

Počet příjezdů

2005

Index

2005/ 2004

Počet příjezdů

2006

Index

Průměr Celkem

ročních

příjezdů za

příjezdů

2006/ 2002-2006 za 20022005 2006

Pořadí u nerezidentů dle ročního průměru

611 407

664 836

1,09

597 136

0,90

596 130

1,00

609 436

1,02

3 078 945

615 789

478 180

545 610

1,14

488 943

0,90

488 570

1,00

496 768

1,02

2 498 071

499 614

133 227

119 226

0,89

108 193

0,91

107 560

0,99

112 668

1,05

580 874

116 175

Belgie

1 379

1 112

0,81

932

0,84

1 060

1,14

1 374

1,30

5 857

1 171

17.

Finsko

480

758

1,58

1 653

2,18

949

0,57

1 431

1,51

5 271

1 054

18.

Francie

2 979

2 132

0,72

1 982

0,93

2 559

1,29

2 403

0,94

12 055

2 411

11.

Itálie

4 677

4 912

1,05

3 979

0,81

4 312

1,08

4 439

1,03

22 319

4 464

4.

Litva

3 680

2 615

0,71

2 616

1,00

2 233

0,85

4 010

1,80

15 154

3 031

9.

417

293

0,70

796

2,72

467

0,59

1 747

3,74

3 720

744

21.

Maďarsko

1 580

1 481

0,94

1 586

1,07

2 096

1,32

2 141

1,02

8 884

1 777

15.

Německo

19 927

18 628

0,93

16 967

0,91

17 419

1,03

16 118

0,93

89 059

17 812

3.

Nizozemsko

2 484

2 484

1,00

1 958

0,79

2 769

1,41

2 607

0,94

12 302

2 460

10.

celkem v tom rezidenti v tom: nerezidenti v tom:

Lotyšsko

11


Šilheřovice 2008

Polsko

37 447

31 002

0,83

20 139

0,65

17 865

0,89

17 418

0,97

123 871

24 774

1.

Rakousko

4 931

4 663

0,95

4 123

0,88

3 897

0,95

3 728

0,96

21 342

4 268

5.

Rusko

1 763

2 213

1,26

2 556

1,15

2 253

0,88

2 479

1,10

11 264

2 253

13.

Slovensko

28 405

22 800

0,80

21 663

0,95

23 239

1,07

23 796

1,02

119 903

23 981

2.

Slovinsko

409

845

2,07

844

1,00

951

1,13

792

0,83

3 841

768

20.

2 503

2 569

1,03

3 663

1,43

3 113

0,85

3 704

1,19

15 552

3 110

8.

Španělsko

390

612

1,57

650

1,06

809

1,24

645

0,80

3 106

621

23.

Švédsko

785

1 785

2,27

2 413

1,35

1 413

0,59

1 935

1,37

8 331

1 666

16.

Švýcarsko

951

797

0,84

847

1,06

792

0,94

834

1,05

4 221

844

19.

2 373

1,49

3 961

1 981

14.

Velká Británie

Ukrajina (od

-

2005) Ost.evrop. země Kanada USA Ostatní stř. a jiţ. Amerika Izrael Japonsko

-

-

1 588

-

3 932

1,08

5 526

1,41

2 997

0,54

2 712

0,90

18 800

3 760

6.

315

275

0,87

425

1,55

417

0,98

562

1,35

1 994

399

25.

2 106

1 931

0,92

2 076

1,08

2 754

1,33

3 061

1,11

11 928

2 386

12.

231

259

1,12

376

1,45

217

0,58

177

0,82

1 260

252

26.

248

231

0,93

151

0,65

161

1,07

282

1,75

1 073

215

27.

1 045

561

0,54

506

0,90

580

1,15

623

1,07

3 315

663

22.

916

4,28

1 130

565

24.

3 204

1,05

18 148

3 630

7.

-

2005)

země

-

3 633

J. Korea (od

Ost.asijské

-

4 292

-

4 084

-

0,95

-

3 509

-

0,86

214

3 059

-

0,87

Zdroj dat: ČSÚ

Řada marketingových šetření potvrzuje předpoklad, ţe kraj patří mezi velmi atraktivní destinace cestovního ruchu. Zejména díky Beskydám a Jeseníkům se z pohledu atraktivity a známosti pohybuje kraj vţdy v první polovině pomyslného pelotonu krajů ČR. Na základě osobních zkušeností z jednání se zástupci zahraničních cestovních kanceláří a ze zpětné vazby řady zahraničních i domácích turistů se rýsují jako významné atraktivity, schopné přilákat turisty do kraje zejména ta „aktiva“, která souvisejí s bohatou průmyslovou historií v kraji (Technické muzeum Tatry v Kopřivnici, Hornické muzeum OKD na Landeku, areál Dolu Michal, Osoblaţská úzkorozchodná ţeleznice atd.), se zábavními (např. areál Černé louky v Ostravě), sportovními (Zlatá tretra, sportovně-lyţařské areály v horských oblastech, aquaparky atd.), kulturními (Colours of Ostrava, hudební festivaly atd.), poznávacími (zámky v Hradci n. Moravicí a v Raduni, Muzeum Tatry v Kopřivnici atd.) atraktivitami / aktivitami, ale i se zázemím pro tzv. profesní cestovní ruch (výstavní kapacity, kongresové a konferenční kapacity, kapacity pro obchodní a pracovní setkání).

12


Šilheřovice 2008

Ostrava a její blízké okolí navíc disponují zajímavostmi, které zatím zdaleka nejsou vyuţity pro cestovní ruch na odpovídající úrovni. Vţdyť kdo z místních (a potaţmo přespolních či zahraničních turistů) ví, ţe Slezskoostravský hrad, resp. jeho dochované části se před méně neţ 200 lety nacházel o cca 20 metrů výše neţ je tomu dnes. Ţe kousek od Ostravy se nachází kostel Sv. Petra z Alkantary, který vlivem důlní činnosti poklesl o 34 metrů a není jen krásnou kulturní památkou, ale svým náklonem (podobně jako šikmá věţ v Pisse) by se zároveň mohl stát významnou atraktivitou cestovního ruchu. Kdo z místních či přespolních si uvědomuje, ţe téměř v centru města Ostravy se v tzv. Dolní oblasti Vítkovic nachází národní kulturní památka – areál dolu Hlubina, koksovny a vysokých pecí Vítkovice. Areál, zaloţený v roce 1827, který je světově unikátním technologickým celkem, prezentujícím výrobní tok od těţby uhlí (důl Hlubina), přes úpravnu, koksovnu aţ po výrobu ţeleza (vysoké pece). Areál, který se nachází ve velmi výhodné pozici z pohledu dopravní dostupnosti, areál, který by při shodě zainteresovaných subjektů nabízel moţnosti vytvoření rozsáhlého spektra zábavních, sportovních a jiných sluţeb, souvisejících s cestovním ruchem a volnočasovými aktivitami. Vzhledem k populační síle regionu a k obdobným příkladům v ČR i v zahraničí se dá s vysokou pravděpodobností předpokládat, ţe pro vhodně vytvořený areál, nabízející široké spektrum zajímavostí a sluţeb od poznávání, přes vzdělávání aţ po zábavu a sport a vyuţívající unikátnosti lokality, by nemělo být problémem dosaţení návštěvnosti několikanásobně vyšší, neţ je tomu u dnes nejnavštěvovanějších atraktivit. Jen pro představu - srovnatelné areály v zahraničí (např. Albert Dock v Liverpoolu, Magna Science Adventure Centre v Sheffieldu, Landschaftspark v Duisburgu atd.) dosahují roční návštěvnosti mezi 2 – 6 miliony, blíţe našim představám mohou být i méně významné areály, které přesto dosahují roční návštěvnosti ve statisících (např. Tarnowskie Gory, Walbrzych). Vedle tradičního potenciálu však kraj disponuje řadou území, jejichţ socioekonomické charakteristiky nejsou dlouhodobě příliš pozitivní a kde rovněţ nelze spoléhat na zajištění udrţitelného rozvoje cestou výstavby průmyslových zón či lákáním investorů do výrobních aktivit. Kromě pohraničních území typu „Osoblaţska“ se jedná o významnou část moravskoslezského podhůří Hrubého Jeseníku, území Nízkého Jeseníku a navazujícího Poodří. Z pohledu cestovního ruchu se jedná o území, se zajímavým potenciálem, dlouhodobě však významně podinvestované a více či méně jen okrajově „pozitivně postiţené“ stávajícím rozvojem zejména střední části kraje, souvisejícího zejména s rozvojem automobilového průmyslu navázaného zejména na investici Hyundai.

Cestovní ruch - šance pro udržitelný ekonomický rozvoj kraje a řešení disparit Cestovní ruch jako ekonomicky významné odvětví klade před středoevropské destinace a zejména pak před ČR řadu zajímavých příleţitostí. Z pohledu renomovaných odborných organizací (zejména WTO) vytváří současné trendy pro nejbliţších 15 let následující významné příleţitosti:  očekávaný (a zatímním vývojem nezpochybněný) růst počtu příjezdů do Evropy (do roku 2020 cca o 350 mil. příjezdů), s nadprůměrnou dynamikou dosahovanou právě v zemích střední a východní Evropy (ČR má být jednou z 10 nejnavštěvovanějších zemí

13


Šilheřovice 2008

světa s ročním počtem 44 mil. turistů, dnes je to cca 6,5 mil. zahraničních turistů ročně),  vstup do EU a tím odstranění administrativních bariér pro turisty z členských zemí a z okolních s námi přistoupivších zemí,  dostupnost specifických finančních zdrojů (strukturálních fondů) v období, kdy je lze optimálně vyuţít pro rozvoj lidských zdrojů a zanedbané infrastruktury cestovního ruchu,  rozvoj nových komunikačních technologií, stále více potlačující pozice velkých cestovních kanceláří,  rostoucí skupina turistů „seniorů“, pro které jsou stále lákavější poklidné a bezpečné destinace bez extrémních teplot,  rostoucí poptávka po specifických / specializovaných produktech a produktových balíčcích cestovního ruchu, vycházejících s regionálních/místních specifik,  rostoucí poptávka po venkovském prostředí (venkovský cestovní ruch, agro a ekoagro turistika),  rostoucí poptávka po wellness produktech a lázeňských destinacích  rostoucí tlak na poměr cena – kvalita. Rovněţ řada dalších rysů, charakterizujících MSK vytváří zajímavou mozaiku východisek a šancí pro rozvoj cestovního ruchu.  V prostoru mezi Prahou, Varšavou, Vídní a Bratislavou je přirozený prostor pro středoevropské centrum, křiţovatku sever-jih a východ-západ. V tomto pomyslném centru se nachází právě Ostrava a Moravskoslezský kraj.  Největší šanci pro rozvoj cestovního ruchu a volnočasových aktivit dává populačně silné prostředí, přitahující kapitál, turisty a nové aktivity. Populační základna spádové oblasti MSK činí: o MSK – 1,2 mil. obyvatel o okruh do 100 km od Ostravy – cca 4,5 mil. obyvatel o okruh do 150 km od Ostravy – cca 8 mil. obyvatel o okruh do 200 km od Ostravy – cca přes 10 mil. obyvatel.  Vstup do Schengenského prostoru odbourává zbývající administrativní bariéry v rámci EU a otevírá celý region pro řádově větší pohyb lidí, kapitálu, zboţí. Zároveň vytváří ideální předpoklady pro vyuţití synergického efektu spolupráce podobně poznamenaných území na obou stranách hranice jak česko-polského tak československého příhraničí, potlačujícího dlouhodobou „perifernost“ těchto území a vyuţívajícího jejich předností ve formě čistého ţivotního prostředí, často dobře zachovalého venkovského prostředí atd.  Sluţby, cestovní ruch a volnočasové aktivity jsou dlouhodobě rostoucími a ekonomiku dynamizujícími aktivitami.

Závěr Cestovní ruch je jiţ téměř po dvě desetiletí významným ekonomickým odvětvím, které má i přes řadu negativních vlivů (lokální války, terorismus atd.) stále rostoucí tendenci. V ekonomických výsledcích, zaměstnanosti a počtu obslouţených klientů patří toto odvětví mezi nejsilnější ve světové ekonomice.

14


Šilheřovice 2008

Přesto všechno však není cestovní ruch v ČR (a MSK nevyjímaje) povaţován za plnohodnotné ekonomické odvětví, generující pracovní místa i příjmy. Stále je přitaţlivější a mediálně zajímavější vybudovat průmyslovou zónu na zelené louce, schopnou vytvořit jednorázově stovky aţ tisíce pracovních míst, neţ dlouhodobě pracovat se stovkami aţ tisícovkami mikro a malých podniků a podnikatelů. Z pohledu dlouhodobé udrţitelnosti příjmů i pracovních míst uţ však tento pohled není tak jednoznačný. Na rozdíl od montáţních hal velkovýrobců Lysou horu, Hornické muzeum OKD, Muzeum Tatra Kopřivnice, zámek Hradec nad Moravicí, úzkorozchodnou ţeleznici Třemešná – Osoblaha atd. jiţ nelze tak jednoduše přestěhovat do míst s niţší cenou pracovní síly. Další významnou překáţkou jsme my, lidé, obyvatelé kraje, naše myšlení a kultura. Naším problémem je nedostatek dovedností a zkušeností z oblasti sluţeb a cestovního ruchu. Tak rozsáhlá transformace ekonomiky a lidského potenciálu, jakou procházel a stále ještě prochází náš kraj, je vţdy během na dlouhou trať. Vţdyť je transformován region, který byl dlouhá desetiletí zaloţen za zaměstnanecké kultuře, kvalifikaci zaměřené na tvrdou práci v těţbě uhlí, ve výrobě oceli, v těţkém strojírenství, v průmyslové chemii a v zemědělství a realizující se na trzích, kde konkurence byla nahrazena předem určenými dlouhodobými dodavatelsko-odběratelskými vztahy. Ale nyní potřebujeme podnikatelsky orientované odborníky na „jemnou práci“ s lidmi, schopnými uspět v tvrdě konkurenčním prostředí mezinárodního trhu cestovního ruchu a ještě navíc disponujícími znalostí cizích jazyků. Vţdyť cestovní ruch to jsou zejména tzv. mikro (do 10 zaměstnanců) a malé (do 50 zaměstnanců) firmy, které musí být velmi flexibilní, kreativní a spolehlivé. A právě ochota ke změně, ke změně sebe sama, musí vycházet ze vzdělávání, a to nejen toho formálního (základní, střední a vysoké školství), ale zejména ze systému, kterému se dnes jiţ obecně říká celoţivotní vzdělávání. Současně je však potřeba neustále nabízet podobná vzorová řešení, která uţ byla realizována v jiných destinacích cestovního ruchu, v jiných regionech, podobných svými problémy a historií našemu kraji či Ostravě. I tato zkušenost je jiţ ověřená a její funkčnost potvrzena. Za všechny příklady uveďme Irsko, Španělsko a španělsko-portugalské pohraničí, ale rovněţ zkušenosti s tzv. mikroklastry, vytvářejícími rozvojem cestovního ruchu podmínky pro regeneraci venkova a stabilizaci venkovského osídlení (Austrálie a Nový Zéland aj.) (2). Hlavní změny by tedy měly nastat zejména v našem myšlení a v úrovni našich znalostí, dovedností a přístupů spojených s rozvojem odvětví tzv. moderní ekonomiky, kam bezesporu sluţby a tedy i cestovní ruch patří a v rozvoji schopností vyuţít tohoto sektoru pro řešení regionálních disparit a naopak vyuţít těchto disparit pro rozvoj cestovního ruchu, podporujícího ekonomický rozvoj regionů.

Literatura Horner, S., Swarbrooke, J.: Cestovní ruch, ubytování a stravování, vyuţití volného času. Grada Publishing, a.s., Praha 2003. ISBN 80-247-0202-9. Michael, E.J. a kol.: Micro-Clusters and Network: The Growth of Tourism. Elsevier, Oxford 2007. ISBN 0-08-045096-2. Pásková, M., Zelenka, J.: Výkladový slovník cestovního ruchu. MMR ČR, Praha 2002. Tourism Highlights 2006 Edition. WTO, Madrid – Spain, 2006. Vystoupil, J. a kol.: Atlas cestovního ruchu České republiky. MMR ČR, Praha 2006. ISBN 80239-7256-1.

15


Šilheřovice 2008

NÁVRH HODNOTÍCÍHO MODELU PRO ŘEŠENÍ REGIONÁLNÍCH DISPARIT Doc. Ing. Barbara Vojvodíková, Ph.D Ing. Aleš Lokaj Abstrakt Tento příspěvek seznamuje s postupem řešení projektu ”Návrh hodnotícího modelu pro posouzení disparit a metodický postup pro jeho vyuţívání“ WD-41-07-1, který je řešen v rámci „Výzkumu pro řešení regionálních disparit“ Ministerstva pro místní rozvoj. Příjemce podpory je softwarová firma ATACO s.r.o. z Ostravy. Cílem projektu, který byl zahájen v dubnu roku 2007 a ukončení je plánováno na březen roku 2010, je zpracovat software (hodnotící model), který by měl slouţit představitelům krajů v České republice při sestavování strategických plánů kraje nebo jiných dokumentů, které mají za cíl eliminovat disparity. Projekt bude také slouţit zastupitelům menších obcí při rozhodování o investicích v obci, nebo při hledání priorit rozvoje. Příspěvek shrnuje současné poznatky a dílčí závěry, kterých bylo dosaţeno a naznačuje některé další postupy, kterými se budou členové týmu při řešení dané problematiky zabývat.

Klíčová slova Hodnotící model, Pasport, Regionální disparita, Rozvoj venkova

Abstract: The article introduces the project “The assessment model for adjudication of regional disparities and the methodical procedure of its use" WD-41-07-1 which is being solved as a part of “Research on regional disparities“ program of the Ministry for regional development of Czech Republic. The grant receiver is software developer company ATACO s.r.o. based in Ostrava. The goal of the project which started in April 2007 and is planned to be finished in March 2010 is to create a software tool - evaluation model - tool which should serve representatives of Czechs regions in preparation of regional strategic plans or other documents aimed at minimizing disparities. It should also serve governments of smaller municipalities. It should also serve representatives of smaller municipalities in decisions on municipality investments or in definition of development priorities. The article sums up information and sub results and implies some procedures that can be used in future by team members.

Key words: Assessment model, Passport, Regional disparity, Rural development

1


Šilheřovice 2008

Úvod Vývoj jednotlivých obcí není homogenní a i v rámci regionů nebo lokalit existují (vznikají) významné rozdíly. Z racionálního pohledu by se měly obce, které vycházejí z přibliţně stejných podmínek (jako je geografická poloha, zalidnění, věková struktura obyvatel, atd.) vyvíjet velmi podobně a neměly by být viditelné příliš velké diference. Ve skutečnosti tomu však tak není a vznikají větší či menší nerovnosti, které nazýváme disparitami (ať jiţ lokálními, regionálními či meziregionálními). Kaţdá nerovnost je však něčím podmíněna, vyvolána, způsobena. Cílem výzkumné projektu je podpořit efektivitu ve vyhledávání problémových faktorů, které jsou příčinou vzniku negativních disparit, a vytvořit nástroj v podobě softwarového programu. Tento software by napomáhal při rozhodování mezi různými typy investic v obci samotným představitelům obce, ale také by slouţil zástupcům krajů při rozhodování nejen o různých dotačních titulech.

1. Charakteristika projektu Projekt byl zahájen 1. dubna 2007 a bude ukončen 31. března 2010. Cílem projektu je vypracovat soubor disparit a faktorů, které tyto disparity ovlivňují. Stanovit míru ovlivnitelnosti faktorů. Vytvořit hodnotící model disparit a zpracovat ho do formy počítačového programu. K tomuto programu pak vypracovat metodiku pouţití modelu. Celý projekt byl rozdělen do pěti dílčích cílů, které jsou následující:



Úvodním dílčím cílem bylo stanovit kritéria pro výběr lokalit tak, aby jejich soubor tvořil vzorek z hlediska nejen disparit vývoje, ţivotní úrovně, zaměstnanosti atd., ale také geografie, historie apod. Tyto faktory budou základem výběru lokalit pro jejich pasportizaci a následné vyhodnocení.



Druhým dílčím cílem bylo vytvoření formulářů (pasportů) pro posouzení lokalit tak, aby informace obsaţené v pasportu byly co nejúplnější a dávaly komplexní obraz o disparitách a faktorech, které je vyvolaly.



Třetím dílčím cílem bylo následné vyplnění těchto pasportů, pomocí veřejně dostupných databází a dotazování v příslušných obcích a vytvoření databáze těchto informací.



Čtvrtým dílčím cílem je vytvoření návrhu hodnotícího modelu pro posouzení disparit a faktorů, které je vyvolávají. Na stránkách projektu bude představen návrh modelu a navázány další kontakty pro aplikaci výsledků výzkumu nutných pro zpracování Plánu uplatnění výsledků.



Řešením závěrečného dílčího cíle bude návrh metodiky pro pouţití hodnotícího modelu, který bude slouţit při strategickém plánování, při vyhledávání priorit rozvoje na úrovni regionů, krajů, ale i obcí. Tento návrh bude prezentován na semináři, který bude uspořádán v posledních měsících průběhu projektu a bude určen pro starosty zúčastněných obcí, ale i zástupce krajů a další účastníky.

V současné době byl ukončen třetí dílčí cíl tj. vyplnění formulářů příslušných obcí a vytvoření databáze informací o vybraných obcích.

2


Šilheřovice 2008

2. Postup řešení projektu Jak jiţ bylo řečeno výše, v současné době byl dokončen třetí dílčí cíl. S obsahem jednotlivých dílčích cílů, které jiţ byly naplněny, seznamují následující odstavce.

1.1. Stanovení kritérií pro výběr lokalit Prvotním cílem řešitelského týmu bylo stanovit taková kritéria pro výběr lokalit (obcí) tak, aby vzorek pokud moţno co nejlépe prezentoval a zachytil různorodost faktorů působících na obce v celé České republice. Byly vysloveny hypotézy, které ovlivnitelné a neovlivnitelné podmínky mohou předikovat úspěšný či neúspěšný vývoj v obci. Na základě těchto hypotéz byl stanoven vlastní třístupňový výběr.   

V prvním stupni byla stanovena základní skupina obcí V druhém stupni byly z těchto obcí vyčleněny podskupiny se shodnými vlastnostmi V rámci třetího stupně byla z podskupin se stejnými vlastnostmi vybrána taková dílčí skupina obcí, v které jsou rovnoměrně zastoupeny nebo nezastoupeny vlastnosti, které mohly být ovlivněny obcí

V prvním stupni výběru byl jako kritérium pro vytvoření základní skupiny obcí zvolen počet obyvatel. Vzhledem k faktu, ţe je projekt určen především pro menší obce, byla zvolena hranice počtu obyvatel od 500 do 3000. Tato skupina reprezentuje vzorek 2181 obcí, v kterých ţije, při celkovém počtu obyvatel České republiky 10 196 838, přibliţně 2 378 863 (tj. zhruba 23 % české populace). Katastry těchto obcí pak představují přibliţně 45 % veškerého území ČR (Vojvodíková, Mihola, Vojvodík 2007). Před vytvořením kritérií druhého stupně, byly ze souboru obcí vyloučeny obce ze Středočeského kraje, neboť Praha představuje významného zaměstnavatele z pohledu celé České republiky a vytváří velmi specifický prostor (Martinec P. a kol. 2006). Pro další výběr tedy zůstalo 1804 z původního souboru obcí. Výběr druhého stupně vycházel z vyslovených hypotéz o faktorech, které ovlivňují vývoj v obci a které můţe obec jen obtíţně nebo vůbec ovlivnit. Tyto faktory jsou zaloţeny především na geografických údajích, na moţnostech zaměstnatelnosti a jiných faktorech (jakými jsou např. potenciál turistického ruchu, přírodní katastrofa atd.). Na základě těchto faktorů pak byly obce rozděleny do dvanácti kategorií, které jsou následující:            

potenciálně zemědělské obce s důrazem na rostlinnou výrobu potenciálně nezemědělské obce (bez ţivočišné výroby) obce s průmyslem obce postiţené úpadkem průmyslu obce z rekreačních oblastí obce z příhraničních oblastí obce s významným úbytkem obyvatel obce s významným přírůstkem obyvatel obce potenciálně postiţené povodněmi obce z níţin obce z podhorského a horského výškového stupně obce s významnou kulturní nebo přírodní památkou

3


Šilheřovice 2008

Pro vnitřní rozdělní jednotlivých skupin (tzn. výběr třetího stupně) byla vybrána přítomnost nebo nepřítomnost rozvojových a demografických faktorů (opět se jedná o vyslovenou hypotézu), které obec v rámci svého vývoje můţe nebo mohla do jisté míry ovlivnit (tj. např. existence školy v obci, kanalizační síť, rozdíl mezi počtem obyvatel nad 60 let a do 14 let, procento ekonomicky aktivního obyvatelstva). Důleţitým faktorem je také příslušnost k danému kraji.1 Na základě tohoto vlastního třístupňového kriteriálního výběru bylo vybráno celkem 214 obcí, které byly určeny k další analýze. Přehled celkového počtu obcí v jednotlivých krajích, jakoţto i počet vybraných obcí je vyjádřen v tabulce 1.

Tab. 1: Zastoupení obcí z jednotlivých obcí na celkovém kraj

obce v základním výběru

vzorek obcí k další analýze

počet

% z celku

počet

% z vybraných obcí

Jihočeský

144

8,0

13

6,1

Jihomoravský

311

17,2

49

22,9

Karlovarský

55

3,0

10

4,7

Královéhradecký

133

7,4

17

7,9

Liberecký

93

5,2

12

5,6

Moravskoslezský

169

9,4

14

6,5

Olomoucký

196

10,9

25

11,7

Pardubický

136

7,5

16

7,5

Plzeňský

134

7,4

17

7,9

Ústecký

133

7,4

20

9,3

Vysočina

130

7,2

12

5,6

Zlínský

170

9,4

9

4,3

1804

100

214

100

Zdroj: Vlastní zpracování

Pro přehlednost jsou obce, které byly vybrány k pasportizaci znázorněny červenými body na mapě České republiky (viz obrázek 1).

1

Více: [1] VOJVODÍKOVÁ, B., MIHOLA, M., VOJVODÍK, M. Příprava nástroje pro predikci vývoje

menších obcí na základě popsaných disparit.

4


Šilheřovice 2008

Obrázek 1: Geografická poloha obcí vybraných k další analýze

Zdroj: Vlastní zpracování

1.2. Vytvoření pasportů Druhým dílčím cílem bylo vytvoření pasportů pro získání základní skupiny informací, které budou poţadovány a které budou dále analyzovány. Snahou bylo získat co nejvíce relevantních informací o jednotlivých obcích. Tyto informace jsou zaloţeny jak na objektivních číslech, dostupných z různých nejen internetových zdrojů, ale také na informacích získaných na základě subjektivního hodnocení jednotlivých členů týmů, kteří získávali informace osobním dotazováním v příslušných obcích. Pasport pro jednotlivé obce byl rozdělen celkem do sedmnácti kategorií. Jednotlivé kategorie byly následující (řazeny v abecedním pořádku):  Administrativa,  Bydlení,  Finanční podmínky obce,  Geografické údaje,  Hospodářská činnost,  Infrastruktura,  Kultura a rekreace,  Majetek obce,  Nerostné bohatství,  Obyvatelstvo,  Pozemky,  Rostlinná výroba,  Školství a zdravotnictví,  Vojenské objekty,  Znečištění,  Způsob zprávy obce,  Ţivočišná výroba.2 Snahou členů týmu bylo sestavení pasportu v co nejširší moţné míře, aby bylo moţno získat co nejvíce informací o jednotlivých obcích. Tyto informace budou analyzovány a z nich následně vyvozeny závěry, které by měly vést k identifikaci faktorů způsobující disparity mezi jednotlivými obcemi. Jakmile byl pasport sestaven do své konečné podoby, byl umístěn na internetové stránky projektu (http://hmdis.ataco.cz), kde měli moţnost k vyjádření návštěvníci těchto stránek, především pak z řad oslovených starostů. Součástí kaţdého pasportu byl také tzv. pasport pro tazatele, kde měl kaţdý z členů subjektivně zhodnotit danou obec. Jako příloha tohoto pasportu pro tazatele byla také fotografická dokumentace, která měla tento subjektivní názor doloţit.

1.3. Sběr dat a vytvoření databáze informací Dílčí cíl číslo tři byl zaměřen na vyplnění těchto pasportů a vytvoření databáze informací o vybraných obcích. Informaci o obcích byly získávány z veřejně dostupných zdrojů, především 2

Více: [3] VOJVODÍKOVÁ, B., LOKAJ, A.

výzkumného projektu

Hodnotící model regionálních disparit – dílčí výstup

5


Šilheřovice 2008

pak ze statistik Českého statistického úřadu, z údajů ze Sčítaní domů a bytů z 2001 a 1991, z ARIS webu Ministerstva financí, ze statistik Ministerstva práce a sociálních věcí, z portálů Pamětihodnosti.cz a řady dalších on-line statistik. Dalšími zdroji pro vyplnění pasportů byla krajská pracoviště ČSÚ, která poskytla některé z informací, které neexistují v on-line podobě na internetových stránkách. Zbývající část (zhruba dvacet procent) otázek byla zodpovězena představiteli dané obce (starosty, místostarosty, popř. účetními či tajemníky) při vlastním navštívení této obce. V průběhu prvního kola obesílání starostů vybraných obcí informačním dopisem a následným telefonickým kontaktem za účelem domluvení si schůzky se ochota spolupráce starostů pohybovala pře hranici 95 %. Vlivem nemocí a omluv starostů se podařilo nakonec navštívit přibliţně 90 % obcí. Vzhledem k časové náročnosti získávání dat přímo v obcích, bylo přistoupeno k mírné redukci počtu oslovených obcí. Zpřísnění kritéria proběhlo u potenciálně zemědělských obcí, s důrazem na rostlinou výrobu, kdy původní kritérium minimální procento zornění půdy bylo upraveno z 80 na 95 %. Počet oslovených obcí se tak sníţil na 180 obcí (viz tabulka 2).

Tabulka 2: Počet oslovovaných obcí původního a upraveného výběru dle krajů kraj

původní počet obcí

upravený výběr počtu obcí

rozdíl

Jihočeský

13

13

0

Jihomoravský

49

35

14

Karlovarský

10

9

1

Královéhradecký

17

13

4

Liberecký

12

12

0

Moravskoslezský

14

14

0

Olomoucký

25

18

7

Pardubický

16

11

5

Plzeňský

17

15

2

Ústecký

20

20

0

Vysočina

12

11

1

Zlínský

9

9

0

214

180

34

CELKEM Zdroj: vlastní zpracování

Počet oslovených obcí, ale nemusel odpovídat počtu skutečně navštívených obcí, protoţe v době zpracování této analýzy byla teprve odeslána další část dopisů pro starosty, a nebyl ještě navázán telefonický kontakt. Jak jiţ bylo zmíněno výše – prvotní úspěšnost navštívených obcí byla zhruba 90%. Pro zvýšení vypovídací schopnosti vybraného vzorku

6


Šilheřovice 2008

byla skupina obcí doplněna ještě o 21 obcí a to především z krajů, v kterých se nepodařilo navázat prvotní kontakt s představiteli obce. Konečný počet oslovených a navštívených obcí k 3. říjnu 2008 zobrazuje následující tabulka.

Tabulka 3: Konečný počet oslovených a navštívených obcí k 3. 10. 2008 dle krajů

kraj

obce v

oslovených

navštívených

základním výběru

k 3.10

k 3.10

Rozdíl (v p.b.)*

počet

procento

počet

procento

počet

procento

Jihočeský

144

8,0

13

6,6

13

7,7

-0,3

Jihomoravský

311

17,2

35

17,7

30

17,8

0,5

Karlovarský

55

3,0

9

4,5

7

4,1

1,1

Královéhradecký

133

7,4

15

7,6

13

7,7

0,3

Liberecký

93

5,2

12

6,1

9

5,3

0,2

Moravskoslezský

169

9,4

15

7,6

14

8,3

-1,1

Olomoucký

196

10,9

22

11,1

16

9,5

-1,4

Pardubický

136

7,5

13

6,6

11

6,5

-1,0

Plzeňský

134

7,4

15

7,6

14

8,3

0,9

Ústecký

133

7,4

20

10,1

17

10,1

2,7

Vysočina

130

7,2

13

6,6

11

6,5

-0,7

Zlínský

170

9,4

16

8,1

14

8,3

-1,1

1804

198

169

*rozdíl mezi procentuálním vyjádřením obcí v základním výběru a procentuálním vyjádřením obcí navštívených k 3. 10.


Z tabulky vyplývá, ţe se řešitelskému týmu podařilo v přijatelném rozmezí dodrţet původní procentuální vymezení jednotlivých krajů v základním výběru. Největší rozdíl je Ústeckého kraje, kdy počet navštívených obcí k 3. 10. 2008 bylo zhruba o 2,7 p.b. vyšší neţ je podíl obcí z Ústeckého kraje na celkovém zkoumaném vzorku 1804 obcí. Další významnější rozdíl je u obcí Olomouckého kraje, kterých bylo navštíveno o 1,4 p.b. méně neţ je původní zastoupení (10,9 %) obcí tohoto kraje na celkovém vzorku obcí. Po technické stránce byla vytvořena databáze provozovaná na databázovém systému Oracle 10g a byla umístěna na firemní databázový server. Aby mohly být informace průběţně plněny do databáze a zároveň nahlíţen průběţný stav pořizování dat jednotlivými členy týmu, bylo rozhodnuto, ţe nejefektivnější metodou bude připravit jednoduchou webovou aplikaci, která umoţní přístup k zobrazení a editaci databáze. Pro vytvoření aplikace byla vybrána platforma J2EE na aplikačním serveru jBoss, protoţe jde de facto o firemní standard a

7


Šilheřovice 2008

potřebný aplikační framework pro implementaci byl jiţ k dispozici. Pouţitá vícevrstvá architektura aplikace je zobrazena na následujícím obrázku:

Obrázek 2:

Fyzická architektura aplikace pro vyplňování a prohlížení pasportů

WWW prohlíţeč

WWW prohlíţeč

Admin.

Klient

Internet

Uţivatelské rozhraní JSF

JSP

Web server a aplikační

server

Java Beans

Ent

EJB aplikační logika Hibernate JDBC

Databázový Databáze

server


Podobná architektura je předpokládána také pro vlastní hodnotící model. Webová aplikace se zabezpečeným přístupem pro autorizované uţivatele byla tedy vytvořena v relativně krátkém čase. Členové týmu tak získali moţnost vzdálené online spolupráce na naplnění databáze a mohli okamţitě reagovat na data pořízená jinými členy týmu.

Závěr Projekt „Návrh hodnotícího modelu pro posouzení disparit a metodický postup pro jeho vyuţívání“ prošel prozatím třemi fázemi svého řešení. Byla vybrána cílová skupina obcí, kterým bude model slouţit. Z této skupiny obcí byl na základě třístupňového kriteriálního výběru vyčleněn vzorek, který bude dále zkoumán. Byl sestaven pasport, tzn. maximální souhrn informací, které budou ve vzorku obcí zjišťovány. Pasporty byly pro jednotlivé obce vyplněny pomocí veřejně dostupných databází, informací z regionálních poboček ČSÚ a přímým dotazováním představitelů jednotlivých obcí. Z hlediska úspěšnosti týkající se absolutního počtu odmítnutých nebo neuskutečněných schůzek v jednotlivých krajích nejhůře

8


Šilheřovice 2008

dopadl Olomoucký kraj, kde nebyly získány informace z 6 obcí, coţ představuje zhruba 27 % oslovených obcí. Nejlépe dopadl kraj Jihočeský, kde byla úspěšnost 100%. Celková úspěšnost pak byl 85 %, tzn. ţe se neuskutečnilo jen 15 % schůzek z celkového počtu 198. Takto vysoké úspěšnosti bylo dosaţeno především díky ochotnému přístupu většiny starostů či jiných pracovníku obce, s kterými byly rozhovory vedeny. Touto cestou by jim chtěl ještě jednou celý členský tým poděkovat. V současné době se připravuje analýza získaných informací a identifikující se první faktory, kterými se vyznačující prosperující obce. Těmto faktorům pak budou přikládány váhy, dle vlivu na obec. Mezi první faktory identifikující prosperující obce budou mimo jiné patřit např.: přírůstek obyvatel, demografická struktura, počet nezaměstnaných, zadluţenost obce, majetek obce aj.

Literatura: [1] VOJVODÍKOVÁ, B., MIHOLA, M., VOJVODÍK, M. Příprava nástroje pro predikci vývoje menších obcí na základě popsaných disparit. In INPROFORUM 2007. Sborník z mezinárodní vědecké konference. České Budějovice: Jihočeská univerzita v Českých Budějovicích, Ekonomická fakulta, 2007, s. 693-698. ISBN 978-80-7394-016-4. [2] MARTINEC, P. a kol. Vliv ukončení hlubinné těţby na ţivotní prostředí. ANAGRAM 2006, Ostrava. ISBN 80-7342-098-8 [3] VOJVODÍKOVÁ, B., LOKAJ, A. Hodnotící model regionálních disparit – dílčí výstup výzkumného projektu. Článek prezentován na mezinárodní konferenci „České podnikatelství v evropském prostoru 2008“ se zaměřením na Řešení regionálních disparit v Liberci. Září 2008. Sborník v tisku. [4] ČESKÝ STATISTICKÝ ÚŘAD (2005) Statistický lexikon obcí České republiky 2005. Ottovo nakladatelství s.r.o., Praha, ISBN 80-7360-287-3 [5] PŘÍBOVÁ, M. a kol.: Marketingový výzkum v praxi.Grada 1996, Praha. ISBN 80-7169299-9.

Kontakty: Doc. Ing. Barbara Vojvodíková, Ph.D. ATACO s.r.o. Lešetínská 676, 707 00 Ostrava - Kunčice Email: [email protected] Ing. Aleš Lokaj ATACO s.r.o. Lešetínská 676, 707 00 Ostrava - Kunčice Email: [email protected], [email protected]

9


Šilheřovice 2008

SOFTWAROVÁ UTILITA "DISPARITÉR" V PROJEKTU MMR ČR PRO VÝZKUM REGIONÁLNÍCH DISPARIT FINANČNÍ A FYZICKÉ DOSTUPNOSTI BYDLENÍ Ing. Martin Ferko; Ing. Jan Česelský; Mgr.Petr Otipka

Abstrakt V souvislosti s řešením projektu WD-05-07-3 MMR ČR pro výzkum regionálních disparit v oblasti finanční i fyzické dostupnosti bydlení nastala potřeba zefektivnit práci se značným množstvím získaných dat. Procedura zpracování tabulkových dat do grafické podoby a provádění analýz se v množství potřebných výstupů jevila jako rutinní záležitost. Využití výpočetní techniky se stalo nezbytnou součástí a nástrojem řešitelského týmu.

Klíčová slova Disparity, Software

Abstract A requirement of an efficiency work with amount of project data arose with an association with a Interregional Housing Disparities Research (Ministry of a Local Development project). Data processing and analyses interpretation has became a routine work. Computer Aided processing has found an use in the project. The University of Ostrava has released a simply data processing tool called „Disparitier“.

Keywords Disparity, Software

Úvod Na pracovišti Vysoké školy báňské – Technické univerzitě Ostrava, Fakultě stavební vznikl softwarový nástroj pro správu a analýzu dat pro projekt WD-05-07-3 MMR ČR . Nástroj, pojmenovaný názvem „Disparitér“, se stal softwarovou utilitou pro zpracování, analýzu a prezentaci grafických výstupů projektu nejen pro odbornou veřejnost. Projekt MMR ČR - WD-05-07-3 nese název „Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit“ a na řešení se podílí tři subjekty – Sociologický ústav AV ČR, Institut regionálních informací v Brně a Vysoká škola báňská – Technická univerzita v Ostravě. Sociologický ústav AV ČR s IRI Brno zpracovává tématiku ekonomické dostupnosti bydlení, VŠB-TU Ostrava se zabývá dostupností fyzickou. Projekt je pětiletý s ukončením v roce 2011.

1


Šilheřovice 2008

Aplikace Utilita „Disparitér“ si klade za cíl zjednodušit opakované procesy analýz a prezentovat výsledky projektu v co možná nejjednodušší a nejsrozumitelnější podobě. Zvolené, tzv. „user friendly“ uživatelské prostředí nabídne uživateli co možná nejpohodlnější práci s daty, bez nutnosti znalosti prostředí MS Excel. Uživatel je veden interaktivní nápovědou. Opakovatelný proces analýz dat nabízí výpočet směrodatné odchylky 1 , variačního koeficientu 2 , odchylky hodnot od průměru hodnoty ukazatele za celou Českou republiku a srovnávací mezikrajskou matici vybraného ukazatele. Obrázek č. 1: Uživatelské prostředí utility „Disparitér“

Aplikace je založena na tabulkovém procesoru MS Excel, v kódu objektového programovacího jazyka Visual Basic for Applications (dále VBA). Samotná databáze bude postupně rozdělena do tří segmentů – finanční dostupnost, fyzická dostupnost a ceny bytů. V současné době je hotový první segment. Databáze prozatím čítá kolem 5 000 údajů a postupem řešení projektu se bude rozšiřovat a aktualizovat. Zdrojový kód s databází je zabezpečen administrátorským heslem. Uživatel může pouze generovat grafy a aktualizovat údaje. Uživatel bude moci provést aktualizaci dat utility, a to jak pomocí automatizovaného aktualizačního balíčku, tak pomocí šablony tabulky, kdy si doplní vlastní data. Aktualizační balíček vyhledá aplikaci a vloží do ní nový řetězec dat. Systém seznamů prvků pro filtraci je flexibilní a tyto seznamy se automaticky obnoví a doplní. V rámci projektu budou data aktualizována průběžně až do roku 2011.

1

Směrodatná odchylka je míra statistické disperze. Jedná se o kvadratický průměr odchylek hodnot znaku od jejich aritmetického průměru.

2

Variační koeficient je poměrná míra variability, která porovnává směrodatnou odchylku s průměrem.

2


Šilheřovice 2008

Prostředí aplikace Uživatel se po spuštění aplikace rozhodne, zda chce získat hodnoty ukazatelů řešení regionálních disparit nebo přímo analýzu disparit v podobě již zmíněných variačních koeficientech a směrodatných odchylek, či speciální srovnávací mezikrajské matice. Při zvolení jednoho z těchto postupů se uživatel poprvé setká s tzv. prvkem systému, což je např. pro finanční dostupnost bydlení vybraný typ domácnosti, který je složen z hlavy rodiny, partnera, počtu dětí a klasifikace KZAM (klasifikace zaměstnání). Systém filtrů jednotlivých dílčích složek prvku usnadní jeho výběr, tento výběr může být i víceprvkový, což značí, že v jednom grafickém výstupu je zahrnuto více zvolených typů domácností. Jak již bylo zmíněno, utilita „Disparitér“ si klade za cíl zjednodušit a zestručnit podobu výstupů pro uživatele, proto systém detekuje nejvhodnější typ grafu pro zobrazení prvků (sloupcový, přímkový). Při dokončení volby prvků a volby územní jednotky (krajská města, kraje) nastane procedura generování grafů do nového externího souboru (sešitu) dokumentu MS Excel. Utilita zůstává stále aktivní a nabízí volbu rychlého návratu do prostředí systému „Disparitér“, kde může uživatel své dotazování pozměnit a regenerovat grafy. Generované výstupy v novém sešitu MS Excel v sobě ukládají všechny dosud provedené výstupy, jako tzv. „historii“. Dříve generované grafy uživatel nalezne v předcházejících listech souboru. Uživatel tak bude mít k dispozici jednoduché a přehledné výstupy projektu s možností vkládání vlastních upravených dat. Obrázek č. 2: Graf z absolutních hodnot vybraného ukazatele - při volbě jednoho ukazatele ve více letech se detekuje přímkový graf Ukazatel - Míra zatížení regulovaným nájmem pro: zaměstnanec + zaměstnanec s počtem dětí: 1 v bytě 3+1/73 m2 (KZAM 7,8)

Hlavní město Praha Středočeský

0,12

HMP a ST Jihočeský

absolutní hodnoty

0,1

Plzeňský Karlovarský

0,08

Ústecký Liberecký

0,06

Královéhradecký

0,04

Pardubický Vysočina

0,02

Jihomoravský Olomoucký

2006

2005

2004

2003

2002

2001

2000

0

Zlínský

Základním výstupem jsou spojnicové grafy vybraného ukazatele. Pokud není zvolená časová řada, zobrazí se údaje v jednom roce ve sloupcovém grafu.

3


Šilheřovice 2008

Obrázek č. 3: Grafy směrodatných odchylek a variačních koeficientů Variační koeficient pro kraje: Míra zatížení regulovaným nájmem, zaměstnanec + zaměstnanec s počtem dětí: 1 v bytě 3+1/73 m2 (KZAM 7,8)

Směrodatná odchylka pro kraje: Míra zatížení regulovaným nájmem, zaměstnanec + zaměstnanec s počtem dětí: 1 v bytě 3+1/73 m2 (KZAM 7,8) 53 0,01

25

52 0,01

35 0,01

0,015

32 0,01

28 0,01

23 0,01

15 0,01

0,01 0,005

192 24 ,4

023 24 ,1

24,5 Var.koef.

Sm. odch.

0,02

24

436 23 ,3

210 23 ,0

23,5 23

821 23 ,5

962 23 ,4

2004

2005

703 23 ,8

22,5 22

0 2000

2001

2002

2003

2004

2005

2000

2006

2001

2002

2003

2006

Roky

Roky

Na grafech směrodatných odchylek a variačních koeficientů jsou viditelné změny stavu vybrané disparity. Pro tento ukazatel se kraje svými hodnotami k sobě v časové řadě přibližují. Obrázek č. 4: Graf odchylek od průměrné hodnoty ukazatele za ČR v %

80

69,378

Odchylky od hodnoty ČR v %- Míra zatížení regulovaným nájmem pro: zaměstnanec + zaměstnanec s počtem dětí: 1 v bytě 3+1/73 m2 (KZAM 7,8)

49,723

60

2000 2001 2002 2003 2004 2005 2006

20,318

0,061

4,279

1,665

3,574 -8,273

Česká republika

Moravskoslezský

Zlínský

Olomoucký

Jihomoravský

Vysočina

Pardubický

Královéhradecký

Liberecký

Ústecký

Karlovarský

Plzeňský

-24,070

-12,088

-11,507

-13,811

Jihočeský

HMP a ST

-23,456

Středočeský

Hlavní město Praha

-40

-10,845

0

-20

5,508

20 4,860

%

40

Procentuální odchylky od průměrné hodnoty za ČR jsou zobrazeny ve sloupcovém grafu. Z grafu jsou zřetelné rozdíly hodnot krajů od průměru ČR v procentech.

4


Šilheřovice 2008

Obrázek č. 5: Srovnávací mezikrajská matice s procentuálními vzájemnými vztahy kraj



3,409286185 Středočeský

1,905634847 HMP a ST

3,129286556 Jihočeský

1,688130999 Plzeňský

1,907691628 Karlovarský

1,487013007 Ústecký

0,715005648 Liberecký

1,514361435 Královéhradecký

1,879044719 Pardubický

1,765112588 Vysočina

1,652342365 Jihomoravský

2,431637707 Olomoucký

1,66377416 Zlínský

1,76366187 Moravskoslezský

0,993800389 Česká republika

2,073064288

Středočeský HMP a ST Jihočeský

1,905635 3,129287 117,4% 55,9% 91,8% 3,409286 3,129287 178,9% 58,4% 164,2% 3,409286 1,905635 109% 61% 175% 3,409286 1,905635 3,129287 202,0% 112,9% 185,4% 3,409286 1,905635 3,129287 178,7% 99,9% 164,0% 3,409286 1,905635 3,129287 229,3% 128,2% 210,4% 3,409286 1,905635 3,129287 476,8% 266,5% 437,7% 3,409286 1,905635 3,129287 225,1% 125,8% 206,6% 3,409286 1,905635 3,129287 181,4% 101,4% 166,5% 3,409286 1,905635 3,129287 193,1% 108,0% 177,3% 3,409286 1,905635 3,129287 206,3% 115,3% 189,4% 3,409286 1,905635 3,129287 140,2% 78,4% 128,7% 3,409286 1,905635 3,129287 204,9% 114,5% 188,1% 3,409286 1,905635 3,129287 193,3% 108,0% 177,4% 3,409286 1,905635 3,129287 343,1% 191,8% 314,9% 3,409286 1,905635 3,129287 164,5% 91,9% 150,9%

Plzeňský Karlovarský Ústecký

Liberecký

1,688131 1,907692 1,487013 0,715006 49,5% 56,0% 43,6% 21,0% 1,688131 1,907692 1,487013 0,715006 88,6% 100,1% 78,0% 37,5% 1,688131 1,907692 1,487013 0,715006 54% 61% 48% 23% 1,907692 1,487013 0,715006 71,2% 113,0% 88,1% 42,4% 1,688131 1,487013 0,715006 88,5% 120,6% 77,9% 37,5% 1,688131 1,907692 0,715006 113,5% 128,3% 143,0% 48,1% 1,688131 1,907692 1,487013 236,1% 266,8% 208,0% 47,6% 1,688131 1,907692 1,487013 0,715006 111,5% 126,0% 98,2% 47,2% 1,688131 1,907692 1,487013 0,715006 89,8% 101,5% 79,1% 38,1% 1,688131 1,907692 1,487013 0,715006 95,6% 108,1% 84,2% 40,5% 1,688131 1,907692 1,487013 0,715006 102,2% 115,5% 90,0% 43,3% 1,688131 1,907692 1,487013 0,715006 69,4% 78,5% 61,2% 29,4% 1,688131 1,907692 1,487013 0,715006 101,5% 114,7% 89,4% 43,0% 1,688131 1,907692 1,487013 0,715006 95,7% 108,2% 84,3% 40,5% 1,688131 1,907692 1,487013 0,715006 169,9% 192,0% 149,6% 71,9% 1,688131 1,907692 1,487013 0,715006 81,4% 92,0% 71,7% 34,5%

Královéhradecký

Pardubický Vysočina Jihomoravský Olomoucký

1,514361 44,4% 1,514361 79,5% 1,514361 48% 1,514361 89,7% 1,514361 79,4% 1,514361 101,8% 1,514361 211,8%

1,879045 55,1% 1,879045 98,6% 1,879045 60% 1,879045 111,3% 1,879045 98,5% 1,879045 126,4% 1,879045 262,8% 1,879045 146,2% 124,1% 1,514361 80,6% 115,3% 1,514361 1,879045 85,8% 106,5% 1,514361 1,879045 91,6% 113,7% 1,514361 1,879045 62,3% 77,3% 1,514361 1,879045 91,0% 112,9% 1,514361 1,879045 85,9% 106,5% 1,514361 1,879045 152,4% 189,1% 1,514361 1,879045 73,0% 90,6%

1,765113 51,8% 1,765113 92,6% 1,765113 56% 1,765113 104,6% 1,765113 92,5% 1,765113 118,7% 1,765113 246,9% 1,765113 116,6% 1,765113 93,9%

1,652342 48,5% 1,652342 86,7% 1,652342 53% 1,652342 97,9% 1,652342 86,6% 1,652342 111,1% 1,652342 231,1% 1,652342 109,1% 1,652342 87,9% 1,652342 100,4% 93,6% 1,765113 106,8% 80,8% 1,765113 1,652342 72,6% 68,0% 1,765113 1,652342 106,1% 99,3% 1,765113 1,652342 100,1% 93,7% 1,765113 1,652342 177,6% 166,3% 1,765113 1,652342 85,1% 79,7%

2,431638 71,3% 2,431638 127,6% 2,431638 78% 2,431638 144,0% 2,431638 127,5% 2,431638 163,5% 2,431638 340,1% 2,431638 160,6% 2,431638 129,4% 2,431638 137,8% 2,431638 147,2%

1,663774 48,8% 1,663774 87,3% 1,663774 53% 1,663774 98,6% 1,663774 87,2% 1,663774 111,9% 1,663774 232,7% 1,663774 109,9% 1,663774 88,5% 1,663774 94,3% 1,663774 100,7% 1,663774 146,7% 68,4% 2,431638 146,2% 81,4% 2,431638 1,663774 137,9% 94,3% 2,431638 1,663774 244,7% 167,4% 2,431638 1,663774 117,3% 80,3%

Zlínský 1,763662 51,7% 1,763662 92,5% 1,763662 56% 1,763662 104,5% 1,763662 92,5% 1,763662 118,6% 1,763662 246,7% 1,763662 116,5% 1,763662 93,9% 1,763662 99,9% 1,763662 106,7% 1,763662 72,5% 1,763662 106,0% 141,7% 1,763662 177,5% 1,763662 85,1%

Moravskoslezský Česká republika

0,9938 29,1% 0,9938 52,2% 0,9938 32% 0,9938 58,9% 0,9938 52,1% 0,9938 66,8% 0,9938 139,0% 0,9938 65,6% 0,9938 52,9% 0,9938 56,3% 0,9938 60,1% 0,9938 40,9% 0,9938 59,7% 0,9938 56,3%

2,0730643 60,8% 2,0730643 108,8% 2,0730643 66% 2,0730643 122,8% 2,0730643 108,7% 2,0730643 139,4% 2,0730643 289,9% 2,0730643 136,9% 2,0730643 110,3% 2,0730643 117,4% 2,0730643 125,5% 2,0730643 85,3% 2,0730643 124,6% 2,0730643 117,5% 2,0730643 52,1% 208,6% 0,9938 47,9% 128,3%

Ve srovnávací matici se zobrazují procentuální hodnoty mezikrajského porovnání generovaného ukazatele. Uživatel může zjistit, v jakém je vybraný kraj stavu vůči ostatním krajům v procentech a může zjistit, který kraj je v tomto ukazateli ve srovnání s ostatními kraji ne tom nejhůře nebo nejlépe. Obrázek č. 6: Srovnávací mezikrajská matice v grafické podobě Matice Hlavní město Praha Středočeský HMP a ST Jihočeský Plzeňský Karlovarský

435,4%-476,8%

Ústecký

393,9%-435,4%

Liberecký

352,5%-393,9% 311,1%-352,5%

Královéhradecký

269,6%-311,1%

Pardubický

228,2%-269,6%

Vysočina

186,7%-228,2% 145,3%-186,7%

Jihomoravský

103,9%-145,3%

Olomoucký

62,4%-103,9% 21,0%-62,4%

Zlínský Moravskoslezský

Česká republika

Zlínský

Moravskoslezský

Olomoucký

Vysočina

Jihomoravský

Pardubický

Královéhradecký

Ústecký

Liberecký

Karlovarský

Plzeňský

Jihočeský

HMP a ST

Středočeský


Česká republika

5


Šilheřovice 2008

Srovnávací matice se zobrazí také v grafické podobě – ve spektrálním grafu. Princip porovnávání je stejný jako u výše uvedené matice. Na obrázku č. 6 je patrna svislá červená linie Ústeckého a Moravskoslezského kraje, což znamená, že tyto kraje jsou vůči ostatním krajům nejslabší. Naopak hl. město Praha, Středočeský kraj a Jihomoravský kraj jsou na svislici v zeleném spektru a v tomto ukazateli jsou na tom lépe.

Závěr Aplikace výrazně usnadňuje práci na projektu a zčásti řeší problematiku prezentování výsledků. Aplikace je již ve stavu, kdy může být prezentována veřejnosti jako ucelený výstup. V následujících letech se bude dále rozvíjet a budou se doplňovat nové moduly. V rámci řešení projektu nastanou nové potřeby využití automatizovaných procesů, které bude možno díky modulového řešení snadno do aplikace zavést. Nejen řešitelé, ale i koncoví uživatelé budou mít k dispozici kompletní projektový nástroj, který budou moci obsluhovat sami, budou moci zobrazovat analýzy dat projektu a také dat vlastních.

Literatura 1) NAVAJO.cz – Otevřená encyklopedie, dostupné z < http://navajo.cz >, 29.9.2008

6


Šilheřovice 2008

MOŽNOSTI MĚŘENÍ REGIONÁLNÍCH DISPARIT – NOVÝ POHLED Ing. Pavel Tuleja, Ph.D.

Abstrakt Příspěvek „Možnosti měření regionálních disparit – nový pohled“ je věnován deskripci a analýze využití těch statisticko-matematických metod, s jejichž pomocí lze kvalifikovaně zhodnotit tendence a vývojové trendy v oblasti regionálních rozdílů. Vzhledem k tomu, že tento příspěvek je určitým završení dřívějších prací na problematice měření regionálních disparit, nejsou jeho součástí všechny autorem analyzované metody, ale pouze ty, u nichž autor dospěl k závěru, že jejich použití se jeví jako nejvhodnější jak z hlediska míry obtížnosti jejich praktického použití, tak z hlediska kvantifikace potřebných podkladových dat. V rámci tohoto příspěvku se tak postupně seznámíte s metodou semaforu, metodou bodovou a metodou normované proměnné, přičemž současně uvidíte praktickou možnost využití těchto metod při hodnocení regionálních disparit.

Klíčová slova Měření, Metoda bodová, Metoda normované proměnné, Metoda semaforu, Regionální disparity, Statisticko-matematické metody.

Abstract The paper “Possibilities of regional disparities´ measurement – a new viewpoint” is devoted to the description and analysis of utilization of statistical-mathematic methods with whose help it is possible to expertly evaluate trends and development trends in the field of regional divergences. Regarding to the fact that this paper is a certain consummation of previous works dealing with the problems of regional disparities´ measurement, not all the analyzed methods are its part, but only those at which the author came to a conclusion that their utilization seems to be as the most suitable from the viewpoint of the difficulty level of their practical use as well as from the viewpoint of the quantification of necessary supporting data. Within this paper you will thus subsequently acquaint with a semaphore method, spot method and standardized variable method while you will simultaneously see the practical possibility of utilization of these methods while evaluating of regional disparities.

Keywords Measuring, Regional disparities, Spot method, Standardized variable method, Semaphore method, Statistical-mathematic methods.

1


Šilheřovice 2008

Úvod Regionální disparitu chápeme jako každou … rozdílnost či nerovnost, jejíž identifikace a srovnávání má nějaký smysl (sociální, ekonomický, politický apod.) [Hučka, s. 14]. Dá se tedy říci, že za regionální disparitu považujeme v podstatě jakoukoliv …rozdílnost nebo

nepoměr různých jevů či procesů mající jednoznačné územní umístění (lze ji alokovat ve vymezené územní struktuře) a vyskytující se alespoň ve dvou entitách této územní struktury [Hučka, s. 14]. Vyjdeme-li z obou výše uvedených definic, pak před námi automaticky vyvstává otázka, jak lze takto definované regionální disparity měřit. Jednou z možností jak odpovědět na tuto otázku je také tento článek, jenž je věnován novému pohledu na možnosti měření regionálních disparit.

Metody měření regionální disparit Budeme-li podrobněji analyzovat dostupné statisticko-matematické metody, jež jsou využitelné při konstrukci multikriteriálních indexů, pak dospějeme k závěru, že z hlediska měření regionálních rozdílů lze za nejvhodnější označit sedm různých metod, mezi něž patří metoda průměrné odchylky, bodová metoda, metoda normované proměnné, metoda vzdálenosti od fiktivního bodu, metoda souhrnného indexu, metoda semaforu a konečně také metoda založená na škálovacích technikách.

2


Šilheřovice 2008

Tabulka č. 1: Výchozí statistická data pro výpočet ekonomických indexů regionálních disparit kraj

2002

2003

2004

2005

HDP na obyvatele (CZK, b. c.) – HDP/obyv. Hl. m. Praha

506 109

530 334

567 946

610 799

kraj Vysočina

209 301

217 107

235 264

246 426


186 132

195 867

226 089

249 017

čistý disponibilní důchod na obyvatele (CZK, b. c.) – ČDD/obyv. Hl. m. Praha

170 588

181 308

185 188

189 894

kraj Vysočina

118 597

123 798

129 208

132 395


113 212

116 768

120 990

128 773

míra ekonomické aktivity (%) – MEA Hl. m. Praha

62,55

62,53

61,31

62,03

kraj Vysočina

58,59

58,00

58,74

58,34


58,66

58,08

57,62

58,45

mzda (CZK) – w Hl. m. Praha

20 364

21 590

22 914

24 109

kraj Vysočina

13 349

14 094

15 045

15 927


14 263

15 177

16 159

17 009

naděje dožití - ND Hl. m. Praha

76,25

76,30

76,45

77,39

kraj Vysočina

75,60

75,95

76,00

76,56


74,05

74,30

74,35

74,94

Zdroj: Český statistický úřad

Každá z výše uvedených metod má jak svá pro, tak svá proti, přičemž jejich praktické využití je silně závislé nejen na míře obtížnosti, s níž jsou jednotlivé indexy konstruovány, ale také na souboru dostupných a prakticky použitelných statistických ukazatelů. Podíváme-li se na problematiku měření regionálních disparit právě z tohoto úhlu pohledu, pak dospějeme k závěru, že z hlediska praktického využití se ze sedmi výše jmenovaných metod jeví jako nejvhodnější jednak metoda semaforu, již lze uplatnit především ve fázi identifikace a kvantifikace proměnných, a jednak bodová metoda a metoda normované proměnné, což jsou vědecké postupy, jež naleznou své uplatnění zejména ve fázi výpočtu a tvorby ekonomických indexů regionálních disparit. Za hlavní pozitivum těchto tří metod můžeme označit jejich vypovídací schopnost a nepříliš velkou výpočetní náročnost. Pojďme si proto nyní ukázat, jak lze tyto tři metody využít při konstrukci ekonomických indexů regionálních disparit, a to na konkrétním vzorku statistických dat, jež jsou zachycena v tabulce č. 1. Jak je z této tabulky patrné, pro naše potřeby jsme využili statistická data zobrazující vývoj ve třech krajích České republiky, jimiž jsou Hl. m. Praha, kraj Vysočina a Moravskoslezský kraj.

3


Šilheřovice 2008

Metoda semaforu Metodu semaforu můžeme označit za jednu ze specifických podob metody škálování, přičemž lze současně také konstatovat, že tato metoda se svým pojetím výrazně blíží proceduře očíslování. Podstata této metody je založena na přiřazení specifických symbolů jednotlivým hodnotám vybraných ukazatelů, přičemž tyto symboly zpravidla odpovídají určité percentuální úrovni maximální, popř. minimální výše hodnoty analyzovaného ukazatele. Nejčastěji mají tyto symboly podobu tří kruhů, jež odpovídají barvám na semaforu, z čehož je také odvozován název této metody. Dá se tedy říci, že pokud je v rámci této metody přiřazen ukazateli pro region A červený kruh, zatímco ukazateli pro region B kruh zelený, pak jsme díky tomuto barevnému rozlišení schopni rozpoznat rozdíly mezi jednotlivými regiony, ale současně nejsme schopni přesně kvantifikovat jejich konkrétní úroveň. Naopak významnou devizou tohoto přístupu je jeho přehlednost, rychlost a bezproblémové využití v rámci analýzy různě širokých skupin socio-ekonomických ukazatelů. Jak jsme již naznačili výše, metoda semaforu je tedy spíše metodou grafickou, s jejíž pomocí můžeme sestavit několik typů hodnotících škál, mezi něž patří např.: 



 

dvoubarevná škála, která nabízí možnost barevného odlišení ukazatelů od minimální hodnoty k hodnotě maximální, k čemuž využívá dvou barev, jejichž intenzita se mění dle toho, jak se mění hodnoty vybraných ukazatelů (viz HDP na obyvatele v tabulce 2), tříbarevná škála, s jejíž pomocí je skupina ukazatelů roztříděna prostřednictvím tří barev, přičemž střední barva odpovídá percentilu 50 (viz čistý disponibilní důchod na obyvatele v tabulce 2), datová čára, v jejímž případě je k odlišení hodnot používána délka datové čáry (viz míra ekonomické aktivity v tabulce 2) nebo škála vyjádřená pomocí sady ikon, kde pro „očíslování“ ukazatelů využíváme různé sady ikon, které mohou být: o tří objektové, jejichž prostřednictví jsou ukazatele rozčleněny dle kritéria  67 %,  33 % a < 33 % (viz naděje dožití v tabulce 2), o čtyř objektové, při jejímž užití dochází k členění  75 %,  50 %,  25 % a < 25 % (viz mzda v tabulce 2) o popřípadě pěti objektové, kde jsou výchozím kritériem procentní hodnoty  80 %,  60 %,  40 %,  20 % a < 20 % (viz míra nezaměstnanosti v tabulce 2).

Vzhledem ke své grafické podobě je tuto metodu možno označit za ideální nástroj pro vytváření nemetrických škál, což z ní činí ideální nástroj pro fázi identifikace a kvantifikace proměnných využitelných při hodnocení regionálních disparit.

4


Šilheřovice 2008

Tabulka č. 2: Deskripce regionálních disparit na základě metody semaforu

kraj Hl. m. Praha kraj Vysočina Moravskoslezský Hl. m. Praha kraj Vysočina Moravskoslezský Hl. m. Praha kraj Vysočina Moravskoslezský Hl. m. Praha kraj Vysočina Moravskoslezský Hl. m. Praha kraj Vysočina Moravskoslezský Hl. m. Praha kraj Vysočina Moravskoslezský

2002 2003 2004 HDP na obyvatele (CZK, b. c.) 506 109 530 334 567 946 209 301 217 107 235 264 kraj 186 132 195 867 226 089 čistý disponibilní důchod na obyvatele (CZK, b. c.) 170 588 181 308 185 188 118 597 123 798 129 208 kraj 113 212 116 768 120 990 míra ekonomické aktivity (%) 62,55 62,53 61,31 58,59 58,00 58,74 kraj 58,66 58,08 57,62 míra nezaměstnanosti (%) 3,64 4,19 3,89 5,11 5,32 6,85 kraj 13,32 14,75 14,55 mzda (CZK) 20 364 21 590 22 914 13 349 14 094 15 045 kraj 14 263 15 177 16 159 naděje dožití 76,25 76,30 76,45 75,60 75,95 76,00 kraj 74,05 74,30 74,35

2005 610 799 246 426 249 017 189 894 132 395 128 773 62,03 58,34 58,45 3,51 6,77 13,89 24 109 15 927 17 009 77,39 76,56 74,94

Zdroj: vlastní výpočet

Bodová metoda Princip bodové metody, jejímž autorem je M. K. Bennet, je založen na nalezení regionu, v němž dosahuje analyzovaný ukazatel buďto maximální, nebo naopak minimální hodnoty. Maximální hodnota je pak při porovnávání jednotlivých ukazatelů brána v potaz tehdy, pokud je za progresivní považován růst příslušného indikátoru, kdežto minimální hodnota je využívána v okamžiku, pokud k progresi dochází při poklesu jeho hodnoty. Region, jenž dosáhne u příslušného ukazatele maximální výše je následně oceněn 1.000 bodů, kdežto ostatní regiony dostávají bodové ohodnocení od 0 do 1.000 bodů, a to v závislosti na podílu příslušného ukazatele na stanovené optimální hodnotě. Tento podíl je pak zcela logicky vyjádřen pomocí promile. Pokud je výchozím kritériem minimální hodnota ukazatele, pak se při určování výše bodového ohodnocení počítá s převrácenou hodnotou tohoto poměru. Takto získané body jsou následně sečteny, přičemž výsledná hodnota je určitou charakteristickou regionální disparity.

5


Šilheřovice 2008

Za určitou výhodu bodové metody můžeme označit její schopnost shrnout ukazatele zachycené v různých měrných jednotkách do jedné syntetické charakteristiky. Touto charakteristikou je bezrozměrné číslo, které sice nemá reálný smysl, ale může využito buďto ke stanovení pořadí jednotlivých regionů. Současně se stanovením celkového pořadí můžeme průběžné výsledky bodové metody využít také k určení regionálních rozdílů, jež jsou spojeny s jednotlivými kategoriemi ukazatelů, tj. ke stanovení míry zaostávání regionu A za regionem B. Určitou specifickou podobou využití bodové metody je stanovení hodnoty ekonomického indexu regionální disparit pomocí váženého aritmetického průměru bodů, které jednotlivé regiony za příslušné indikátory získaly. V tomto případě je ekonomický index regionálních disparit (EIRD) vypočten pomocí následující rovnice:

EI RD 

kde:

x 1 p x ij , resp. i min  p i1 x i max x ij

xij – hodnota i-tého ukazatele pro j-tou zemi ximax – maximální hodnota i-tého ukazatele ximin – minimální hodnota i-tého ukazatele

Pomocí takto vypočteného indexu pak lze stanovit buďto pořadí jednotlivých regionů, nebo určit rozdíly dosažené v jednotlivých letech. Při praktickém využití bodové metody může být použita také jedna z následujících modifikací bodové metody: 



základem pro stanovení kriteriální hodnoty nejsou ukazatele v různých regionech, ale naopak ukazatele jednoho konkrétního regionu. V rámci této metody, tak není možno omezit horní hodnotu příslušného ukazatele (může být větší než 1.000 bodů). základem pro stanovení kriteriální hodnoty je předem stanovená hodnota ukazatele. Také v tomto případě neplatí horní mez daná 1.000 bodů.

Postup výpočtu ekonomického indexu regionálních disparit pomocí bodové metody je následující: 1. V první fázi jsou jednotlivé ukazatele rozčleněny na ty, u nichž je za optimální považována hodnota maximální (HDP/obyv., ČDD/obyv., MEA, w ,ND) a ty, v jejichž případě je za optimální hodnoty označována hodnota minimální (u), přičemž ihned po tomto rozčlenění jsou stanoveny konkrétní hodnoty jak minimálních, tak maximálních veličin. Aplikujeme-li tento postup např. na HDP na obyvatele v námi vybraných krajích v letech 2002-2005, pak získáme kriteriální hodnotu 610.799, již přidělíme 1.000 bodů. 2. V následující fázi je takto vypočtené kriteriální hodnota použita k bodovému ohodnocení daných veličin v jednotlivých krajích a v jednotlivých letech. V případě minimálních hodnot je použit následující postup: kriteriální hodnota je vydělena hodnotou skutečnou a tento podíl je vynásoben 1000. Použijeme-li tento postup opět na časovou řadu HDP na obyvatele, pak např. v případě Hl. m. Prahy dospějeme pro

6


Šilheřovice 2008

rok 2002 k následujícímu údaji: 829 = (506109/610799)*1000. Podobným způsobem se postupuje také v případě maximálních veličin, v jejichž případě je však skutečná hodnota vydělena hodnotou kriteriální a tento podíl jsme násoben 1000. Takto stanovená hodnota nám pak udává počet bodů, které daný kraj získal za jednotlivé ukazatele. 3. Po stanovení bodových hodnot pro jednotlivé ukazatele je nutno přistoupit ke stanovení konkrétní hodnoty ekonomického indexu regionálních disparit, pro daný kraj a daný rok. Využijeme-li opět příkladu Hl. m. Prahy pak dospějeme k následujícím bodovým hodnotám: 829 (HDP/obyv.), 898 (ČDP/obyv.), 1.000 (MEA), 965 (u), 845 (w) a 985 (ND). Při vlastním výpočtu pak z těchto hodnot vypočteme hodnotu průměrnou, přičemž tento výsledek můžeme označit za ekonomický index regionálních disparit. V našem případě pak tento index dosáhl výše 920 bodů (viz tabulka 3). Při hodnocení tohoto indexního čísla je důležitá jeho vzdálenost od optimální hodnoty, která dosahuje výše 1.000 bodů. Dá se tedy říci, že čím více se hodnota indexu blíží 1.000 bodů, tím lépe daný region naplňuje zvolená kritéria. 4. Jak již bylo naznačeno výše, takto vypočtený index můžeme využít jak k porovnání meziregionálních rozdílů prostřednictvím procentuální podílů, tak ke stanovení pořadí jednotlivých regionů.

Tabulka č. 3: Hodnota ekonomického indexu regionálních disparit vypočteného na základě bodové metody kraj

2002

2003

2004

2005

ekonomický index regionálních disparit Hl. m. Praha

920

924

954

999

kraj Vysočina

687

693

687

700


608

615

633

658

procentuální podíl (průměr R-3 = 100,0 %) Hl. m. Praha

124,6

124,1

125,8

127,1

kraj Vysočina

93,0

93,2

90,6

89,1


82,4

82,7

83,5

83,7

pořadí krajů Hl. m. Praha

1

1

1

1

kraj Vysočina

2

2

2

2


3

3

3

3


7


Šilheřovice 2008

Metoda normované proměnné Druhou možností, jak vytvořit vícekriteriální index, je využití metody normované proměnné (uij), kterou lze vyjádřit pomocí následující rovnice:

uij 

kde:

x ij  x i max sx

, resp.

x i min  x ij

i

sx

i

uij – normovaná veličina i-tého ukazatele pro j-tou zemi sxi – směrodatná odchylka i-tého ukazatele

Podobně jako v předchozím případě, také zde je veličina uij bezrozměrnou veličinou, která má jak nulový průměr, tak průměr jednotkový. Za velkou výhodu této veličiny pak můžeme označit možnost jejího bezproblémového sčítání. V případě regionálních disparit, při jejichž měření se zpravidla vychází z různého počtu jednotlivých ukazatelů, lze k charakteristice jednotlivých regionů využít také průměrnou hodnotu normované veličiny, již lze opět označit za ekonomický index regionálních disparit:

EI RD 

1 p  uij p i1

Srovnáme-li tuto metodu s výše uvedenou bodovou metodou, pak dospějeme k závěru, že metoda normované proměnné, na rozdíl od metody bodové, přihlíží k relativní proměnlivosti ukazatelů zahrnutých do příslušného indexu. Dá se tedy říci, že tento přístup v podstatě potírá absolutní proměnlivost, s níž počítá bodová metoda. Naopak za nevýhodu tohoto přístupu ke konstrukci ekonomického indexu regionálních disparit můžeme označit nemožnost jejího použití v okamžiku, kdy jsou srovnávány podílové veličiny. Jinými slovy řečeno, pomocí této metody nedospějeme k závěru, že region A zaostává za regionem B. Postup výpočtu ekonomického indexu regionálních disparit pomocí metody normované proměnné má následující podobu: 1. V první fázi konstrukce EIRD pomocí normované proměnné je zapotřebí stanovit jednotlivé směrodatné odchylky (sx), k čemuž lze využít buďto specializovaný statistický software, nebo tabulkový proces Microsoft Office Excel. Při využití tohoto postupu např. u hrubého domácího produktu na obyvatele v námi vybraných krajích v letech 2002-2005, tak vypočteme směrodatnou odchylku dosahující hodnoty 159.660. 2. Poté co je stanovena směrodatná odchylka jednotlivých ukazatelů, nastupuje druhá fáze, která odpovídá prvním kroku popsanému v rámci bodové metody, pročež této problematice již nebudeme věnovat. 3. Ve třetí fázi výpočtu EIRD jsou jednotlivé kriteriální hodnoty a směrodatné odchylky využity k výpočtu jednotlivých normovaných proměnných. Také v tomto případě se konkrétní postup liší v závislosti na tom, zda je za kriteriální považována maximální, nebo naopak minimální hodnota. V případě minimální hodnoty je pro výpočet použit

8


Šilheřovice 2008

následující postup: od kriteriální hodnoty je odečtena skutečná hodnota proměnné a tento rozdíl je následně vydělen směrodatnou odchylkou. Použijeme-li tento postup na časovou řadu HDP/obyv., pak např. v případě Hl. m. Prahy dospějeme pro rok 2002 k následujícímu údaji: -0,656 = (506109-610799)/159660. V případě maximálních veličin je použit postup opačný, tj. od skutečné hodnoty je odečtena hodnotou kriteriální a tento rozdíl jsme vydělen směrodatnou odchylkou. 4. Také při stanovení konkrétní hodnoty ekonomického indexu regionálních disparit, pro daný kraj a daný rok je postup stejný jako v předchozím případě, tj. opět jsou zprůměrovány všechny normované proměnné pro daný kraj a daný rok. Vyjdeme-li opět z již dříve uvedeného příkladu, pak dospějeme k závěru, že v roce 2002 dosáhlo Hl. m. Prahy následujících hodnot normovaných proměnných: -0,656 (HDP/obyv.), 0,678 (ČDD/obyv.), 0,000 (MEA), -0,029 (u), -1,048 (w) a -1,133 (ND), z čehož vyplývá, že ekonomický index regionálních disparit v tomto případě dosáhl výše 0,591 (viz tabulka 4). Jak je z výše uvedeného zřejmé, takto vypočtené indexy nabývají záporných hodnot, přičemž platí, že za optimální považujeme situaci, v níž se hodnota tohoto indexu blíží 0. 5. Také v tomto případě lze vypočtený index využít jak k porovnání meziregionálních rozdílů prostřednictvím procentuálních podílů, tak ke stanovení pořadí jednotlivých regionů. Porovnáme-li výsledky, k nimž jsme v našem případě dospěli, pak zjistíme, že zatímco pořadí regionů zůstalo zachováno, údaje zobrazující procentuální úroveň meziregionálních rozdílů se poněkud lišily. Tabulka č. 4: Hodnota ekonomického indexu regionálních disparit vypočteného na základě metody normované proměnné kraj

2002

2003

2004

2005

ekonomický index regionálních disparit Hl. m. Praha

-0,591

-0,459

-0,410

-0,047

kraj Vysočina

-2,054

-1,984

-1,870

-1,740


-2,625

-2,615

-2,539

-2,232

procentuální podíl (průměr R-3 = 100,0 %) Hl. m. Praha

297,4

367,2

392,1

2 871,4

kraj Vysočina

85,5

85,0

85,9

77,0


66,9

64,5

63,3

60,0

pořadí krajů Hl. m. Praha

1

1

1

1

kraj Vysočina

2

2

2

2


3

3

3

3


9


Šilheřovice 2008

Závěr Jak je i z výše uvedeného zřejmé, všechny tři námi vybrané metody mají svá pro a proti. Přesto je nutno říci, že všechny tři lze v běžné praxi poměrně dobře využít, neboť použití nevyžaduje žádné speciální matematicko-statistické znalosti. Navíc je nutno říci, že v případě všech výše uvedených metod lze poměrně úspěšně využít také standardně dostupným tabulkový procesor Microsoft Office Excel. Máme-li blíže zhodnotit využití obou výše uvedených metod, pak musíme konstatovat, že zatímco metodu semaforu doporučujeme využít zejména v první fázi konstrukce indexů regionálních disparit, tj. při výběru a kvantifikaci jednotlivých ukazatelů zahrnutých do příslušného indexu, v druhé, výpočetní, fázi, se přikláníme spíše k využití obou sofistikovanějších matematicko-statistických metod, tj. bodové metody a metody normované proměnné.

Literatura 1) BERKA, K.: Měření – pojmy, teorie, problémy. 1. vyd. Praha: Academia, 1977. 2) ČSÚ: Regiony, města, obce. [on-line] http://www.czso.cz/csu/redakce.nsf/i/regiony_mesta_obce_souhrn.

in:

3) HUČKA, M.: Vznik a příčiny územních nerovností. Regionální disparity. Working Paper, No. 1, 2007. s. 13-19. [on-line] in: http://disparity.vsb.cz/pdf/pracovni_listy.pdf. 4) JÍLEK, J.: Metody mezinárodního srovnávání. 1. vyd. Praha: VŠE, 1996. 5) KOLEKTIV AUTORŮ: Stručný statistický slovník pro hospodářské pracovníky. 1. vyd. Praha: Svoboda, 1967.

10


Šilheřovice 2008

BROWNFIELDY A MORAVSKOSLEZSKÝ KRAJ Ing. Hana Janáčková, Ph. D Abstrakt Brownfieldy jsou očekávaným produktem průmyslové nebo jiné restrukturalizace v kterékoliv zemi. O neřešených brownfieldech můžeme hovořit jako o negativních externalitách, které přelévají negativní vlivy na své okolí. Brownfieldy v regionech bývají v důsledku minulé činnosti nerovnoměrně lokalizovány, a tak i regiony bývají touto problematikou různě zasaženy, což vede ke vzniku regionálních disparit. Článek se zabývá strukturou a registry brownfieldů v České republice se zaměřeních na Moravskoslezský kraj, kde zůstala extrémně velká zátěž po proběhnuté restrukturalizaci. Efektivní inventarizace, identifikace a klasifikace brownfieldů by měla napomoci zvýšit účinnost systémového řešení k opětovnému znovuvyužití brownfieldů, a tím zmírnit uzemní disparity.

Klíčová slova Brownfield, Inventarizace, Moravskoslezský kraj

Abstract Brownfield’s are produced as a regular outcome of industrial change and restructure in any country. Unsolved Brownfield’s impact in the economy serves as a negative externality to their environment. In this paper I focus on structure and registers of Brownfield’s in the Czech Republic with focusing mainly on the Moravian-Silesian region where can be seen regional disparities of Brownfield localization. This register helps regions and municipalities to grasp the rise and type of their rejuvenation problem. So there are registers produced to visualize certain aspects of Brownfield’s which also help investors searching for some information about appropriate localities for their investment projects. The last part of the article is focused on two choice effective project of regeneration Brownfield in Moravian-Silesian region. Without understanding our Brownfield’s profile, register creation and management and sequential analysis, economic units (Moravian-Silesian region) cannot grasp the issue and cannot prepare active measures to alleviate and address their Brownfield’s problem.

Key words Brownfield, Inventory, Moravian-Silesian region

1


Šilheřovice 2008

Úvod Brownfieldy jsou pozemky a budovy (nemovitosti) v urbanizovaném území, které ztratily svoje původní využití nebo jsou podvyužité a negativně působí na své okolí. Často mají, nebo se předpokládá, že mají, ekologické poškození a zdevastované výrobní a jiné budovy. Z mnoha důvodů brownfieldy představují podstatnou část zastavěného území v mnoha našich městech. Tato problematika je typická pro oblasti, kde proběhla značná nedávná restrukturalizaci jako je například ostravská aglomerace. Brownfieldy nejenže mají negativní ekonomické účinky, ale mají také neblahý fyzický vliv na své širší okolí. Složitost jejich řešení, nejistoty, zvýšená rizika a náklady spojené s jejich renovací a znovu využitím to vše mnohdy odrazuje soukromý kapitál od aktivní ekonomické intervence. Brownfieldy v regionech bývají v důsledku minulé činnosti nerovnoměrně lokalizovány, a tak i regiony bývají touto problematikou různě zasaženy, což vede ke vzniku regionálních disparit. Brownfieldy pak obvykle vyžadují různé formy veřejné intervence k tomu, aby se odbouraly bariery bránící jejich rozvoji a nastartoval se proces jejich znovu využití. Brownfieldy jsou plochy, které:     

jsou opuštěné nebo nedostatečně využívané; mají skutečné nebo očekávané problémy s kontaminací; jsou dotčeny předcházejícím užíváním a užíváním okolních pozemků; jsou především v městských oblastech; vyžadují zásah, aby mohly být vráceny k prospěšnému využívání v budoucnosti.

Brownfieldy dále můžeme rozdělit podle jejich předcházejícího užití na typy:       

průmyslové, vojenské, železniční a dopravní, zemědělské, institucionální (školy, nemocnice, věznice), obchodní (nákupní střediska), kulturní (kulturní domy a kina, hrady a zámky).

Se změnou režimů na konci 80. let 20. století se problematika brownfildů začala objevovat i v středoevropských zemích Česko nevyjímaje. Většina odvětví průmyslu středoevropských zemí v této době rozpoznaly rychle svou nadbytečnost, neschopnost konkurovat svou efektivností a produkty. Úpadky nenechaly ne sebe dlouho čekat. Staré trhy mizely, fungování společností prodaných v různých typech privatizací mělo většinou krátké trvání. Během privatizačního procesu vlastníci a konkurzní správci měli tendenci majetek rozdrobit do malých částí, které se staly méně schopné nového rozvoje. Následná složitost vlastnických vztahů k nemovitostem odradila nové aktivity a investice do těchto nemovitostí. Tento proces vyústil do vzniku brownfildů. Podobné efekty jsou pociťovány i v nadbytečném nemovitém majetku armády z důvodu demilitarizace. Nemovitosti a přilehlé plochy dříve vlastněné železnicemi, bezpočet zemědělských nemovitostí v malých českých a slovenských obcích jako pozůstatek kolektivního družstevnictví potkal podobný úděl. Většina středoevropských měst vzhledem k jejich historickému vývoji a změnám při přechodu na tržní hospodářství má mnoho nedostatečně využívaných pozemků typu brownfildů. Brownfieldy v městech a obcích nepřímo přelévají kolem sebe vytváření tzv. „špatné adresy“.

2


Šilheřovice 2008

Podíl pozemků věnovaných průmyslovému užití je vysoký a města se tak potýkají s restrukturalizačními problémy a využitím brownfildů. Vývoj těchto měst během centrálního plánování dal brownfieldům jiný ráz. Za průmyslovými zónami nastal v minulosti překotný růst sídlišť, a tak se stalo, že touto expanzí podniky najednou zabíraly hodnotné pozemky téměř v centech měst. Tyto změny v osídlení změnily hustotu obyvatelstva v centrech, která se začala v minulosti vyklidňovat. Tento problém je nyní velkou zátěží některých středoevropských měst. Potýká se s ním mj. v České republice i Ostrava, kde historické centrum je excentricky lokalizováno v severovýchodní části území města. Směrem na jih jsou nyní rozsáhlé brownfieldy (uzavřené doly, částečně uzavřené železárny), zatím produkující těžký zpracovatelský průmysl a za nimi rozsáhlá sídliště, kde žije téměř jedna třetina obyvatelstva města. Brownfieldy střední Evropy by měly být také uvedeny do kontextu se stárnutím jejich populace a s neomezeným rozvojem obchodu, lehkého průmyslu a bydlení na zelené louce. Mnoho měst ztrácí populaci částečně vzhledem ke konkurenci příměstských municipalit, které uvolňují výstavbu bytů na relativně levnější zelené louce ve svém katastru. Mnohá města se těmto dekoncentračním trendům již začaly bránit plánováním populačního růstu, ale na efekty je třeba si počkat. Vhodná politika a nástroje jsou také potřebné k tomu, aby přivedly investice, obyvatele a aktivity zpět na území brownfildů. Znovu užití a revitalizace brownfildů je komplexní a nesnadný problém. V některých zemích je problém řešen masivními národními programy a celostátní a regionální podporou investic a vznikem nových institucí. V jiných zemích je problém řešen vytvořením vhodného legislativního rámce a regulačního systému. Zvolit správnou cestu není snadné. Je velmi důležité si zde uvědomit, že revitalizace brownfildů se učí především prováděním a z vlastních chyb. Jsou však k dispozici experimenty zení (převážně rozvinutých v západní části Evropy), které k revitalizací brownfildů přistoupily před více než 30 lety a těch je třeba čerpat. Přirozeně lze předpokládat, že skutečným nositelem problému jsou vlastníci brownfildů. Jejich postoje ke znovu užití jejich nemovitostí se mohou měnit a lišit, ale neřešené brownfieldy obtěžují celou společnost, odrazují investory, snižují hodnotu okolního majetku a působí další snižování ekonomické aktivity bezprostředního okolí. To je důvod proč by municipality měly hrát aktivní roli. Schopnost místních samospráv řešit problémy brownfildů byly do značné míry ochromeny právními předpisy přetrvávajícími z doby centrálně plánovaných ekonomik, ve kterých měly pozemky jen malou hodnotu. Dodnes je v některých středoevropských zemích, Česko nevyjímaje, půda a s ní spojené stavby zatíženy velmi nízkou majetkovou daní. Absence těchto daní má několik dumpingových účinků na regeneraci brownfildů. Vlastníci mají malý zájem nabízet svoje pozemky k regeneraci a upřednostňují „sedět“ na majetku. Municipality jsou ochuzovány o důležitý, nefluktující a předvídatelný zdroj příjmu, který by umožnil scelování pozemků a zlepšování infrastruktury. Tyto příjmy do veřejných rozpočtů by mohly chátrající města učinit mnohem konkurenceschopnějším. Tato situace vyžaduje kompetentní strategické plánování a urbanistické řešení. Vyžaduje také aktivní, kreativní, mezioborové organizační úsilí a financování, aby takováto zátěž byla odstraněna a města se mohla osvobodit ze své stagnace a urbanistického úpadku.

3


Šilheřovice 2008

Možnosti nového rozvoje jednotlivých brownfildů se odlišují a záleží především na jejich umístění, předchozím využití a míře poškození. Poškození dnešních brownfildů je do značné míry důsledkem předchozího využití a to také ovlivňuje náklady a možnosti jejich nového rozvoje. Umístění brownfield v prostoru velmi ovlivňuje poptávku po něm. A poptávka následně rozhoduje o tom, zda a jak se brownfield bude rozvíjet. Výhodu mají především taková brownfieldy, které jsou v centrálních částech měst a především pak ta, která nemají majetkové anebo jiné (např. ekologické) problémy. Naopak brownfieldy v okrajových lokalitách mají šanci na rozvoj podstatně nižší. Bývá mylnou představou mnohých zvolených zástupců samospráv, že situaci brownfildů vyřeší sám trh. To však se dá očekávat jen v lokalitách s vysokou mírou rozvoje a ekonomické aktivity, tedy hlavně v centrálních částech strategicky položených měst a obcí, kde bývá obsazena značná část pozemků a počet volných pozemků se blíží k nule. Strategické umístění vlastně zaručuje výhodné budoucí komerční využití, které zpravidla doprovází vysoká poptávka po rozvojových (stavebních) pozemcích, mezi které brownfieldy patří. To však se týká pouhého zlomku. Z početných analýz, které byly provedeny v středoevropských zemích je patrné, že největší bariérou znovuožití brownfildů nejsou, jak se původně předpokládalo, peníze, ale nedostatek know-how vlastníků a zainteresovaných institucí, specifické vysvětlování a vzdělávání, které jim umožní, aby jednali užitečně a efektivně při formulování vhodné politiky, strategie a vytváření nástrojů a programů, které by jim umožnily využití brownfildů na jejich území popřípadě v jejich vlastnictví. Soukromé vlastnictví brownfield je převažující, viz následující 0. Graf č. 1: Struktura brownfield dle vlastnictví dle Vyhledávací studie v České republice neurčené; 169; 7%

veřejné; 478; 20% soukromé; 1 708; 73%

Zdroj: [2]

Regenerace brownfildů je nákladná záležitost (negativní externalita), která vyžaduje velmi účelné užití počáteční veřejné intervence a popřípadě i veřejných financí. Některé z těchto veřejných zdrojů mohou přijít z kohezních a strukturálních fondů Evropské unie, pokud jsou splněny priority těchto fondů. Efektivní užití těchto zdrojů z EU však vyžaduje dlouhodobé předchozí plánování a přípravu a taky komunikaci s vlastníky o jejich plánech a zajištění jejich odezvy.

4


Šilheřovice 2008

Je si ale nutné uvědomit, že situaci regenerace našich brownfildů v převážné většině případů budou řešit soukromé zdroje financování v rámci obvyklých tržních relací. Čím nižší budou bariéry rozvoje na brownfieldech, tím vyšší bude vstup soukromých investorů do jejich řešení. Prvním krokem komplexního řešení znovuvyužití brownfildů je připravenost na straně zainteresovaných, které předchází inventarizace a zmapování brownfildů a vytvoření veřejných registrů, které by věrně odrážely situaci brownfildů na národní, regionální popřípadě místní úrovni a které by měly být financované z veřejných rozpočtů. Bez inventarizace a analýz nemůže společnost připravit aktivní nástroje pro znovuvyužití brownfildů. Je třeba mít stále na mysli, že brownfieldy jsou součásti půdy jako přírodního zdroje a omezeného výrobního faktoru. Bez porozumění, inventarizace a analýz brownfildů nemůže společnost porozumět problému a nemůže připravit aktivní měřítka (politiku), která by mohla ulehčit a vymezit problém jejich brownfieldy.

Inventarizace brownfieldů v České republice Existuje málo obecných přístupů pro inventarizaci a klasifikaci brownfildů. To je důvod, proč dostupné národní údaje o počtu a typu brownfildů, pokud vůbec existují, nejsou plně srovnatelné a porovnání jednoho regionu s ostatními je velmi obtížné, to platí v současnosti i v České republice. Jak již bylo řečeno výše, analýza a inventarizace brownfildů pomáhá městům a regionům posoudit velikost a typ jejich problémů. Registry zviditelňují jisté aspekty brownfildů a pomáhají také investorům získat důležité informace. Je nutné si uvědomit, že jednotlivé brownfield se mohou současně objevit v několika registrech, přičemž každý vypovídá o specifickém pojetí registru. Registry jsou převážně vedeny veřejnými institucemi. Ne všechny takovéto registry jsou ve všech zemích přístupné veřejnosti, údaje často nejsou shromažďovány celostátně a je často velmi obtížné srovnat registry navzájem. Shromažďovaná data nemají také vždy národně shodný formát. Instituce shromažďují a uveřejňují informace, které ony samy pokládají za nutné a navíc odlišují stupeň a hloubku uveřejňovaných informací. Veřejně přístupné většinou bývají registr pozemků a nemovitostí vedený katastrálními úřady a územně plánovací dokumenty některých municipalit, které je mají. U těchto registrů je však brownfield obtížně identifikovatelný na první pohled, protože tyto registry se nepoužívají k zaznamenávání informací o brownfieldech. Výhodou těchto registrů je jejich aktuální přístupnost na internetu. Do září 2004 nebyly v České republice k dispozici souhrnné údaje ani vzorky dat, které by pomohly identifikovat problém brownfildů na regionální nebo národní úrovni.1 Jen některá města ČR měla k dispozici indikátory a údaje. Pilotní údaje byly získány Agenturou CzechInvest z projektu „Národní strategie regenerace brownfildů pro Českou republiku“ financovanou ze zdrojů EU PHARE 2001. Průzkum probíhal v letech 2004–2005 v Ústeckém a

1

Současně do této doby a hlavně v době vstupu ČR do EU byli investoři převážně lákání různými pobídkami na greenfields Poměr budovaných průmyslových zóna greenfields k regeneraci brownfields byl tehdy 15:1 Avšak v roce 2007 se poměr zvrátil na 16:11 a dle posledních informací je situace vyrovnaná [4].

5


Šilheřovice 2008

Moravskoslezském kraji. Bylo lokalizováno 974 brownfieldů z toho 216 v Moravskoslezském kraji. Dalším velkým projektem byla Vyhledávací studie pro lokalizaci brownfildů. Práce na ní trvaly dva roky. Od roku 2005 ji ve všech krajích České republiky mimo Prahy připravovala agentura CzechInvest ve spolupráci s jednotlivými krajskými úřady. Celý projekt byl ukončen v polovině roku 2007. Cílem studie bylo zjištění absorpční kapacity pro čerpání finančních prostředků z fondů Evropské unie a vytvořit podklad pro Národní strategii regenerace brownfield, viz níže. Díky Vyhledávací studii bylo lokalizováno celkem 2 355 lokalit českých brownfildů, jejichž rozloha činí celkem 10 326 ha a plocha zastavěná objekty je 4 206 tis. m2 z toho jedna pětina rozlohy všech lokalizovaných ploch (2007,1 ha) se nachází na území Moravskoslezského kraje. Čtyři pětiny jsou lokalizovány v ostatních dvanácti krajích České republiky. Přestože se dříve mluvilo o brownfieldech téměř výlučně jako o důsledku transformačních změn v průmyslu, Vyhledávací studie ukázala, že nejvíce lokalit typu brownfield (34,9 %) bylo dříve využíváno v zemědělství. Průmyslové lokality tvoří druhou třetinu celkového počtu brownfield (33,3 %). Zbývající brownfieldy jsou důsledkem nevyužitých objektů občanské vybavenosti (školy, zámečky, kulturní střediska atd.), vojenských objektů, bydlení a objektů cestovního ruchu, viz následující tabulka. Tabulka č. 1: Předcházející využití brownfildů dle Vyhledávací studie

Zdroj: [2]

zemědělství cest. ruch, lázeňství, hotel občanská vybavenost armáda, voj. prostor průmysl bydlení jiné Celkem v ČR

Četnost 821 22 304 151 785 95 177 2355

% 34,9 0,9 12,9 6,4 33,3 4,0 7,5 100,0

Při porovnání rozlohy ploch brownfildů podle předchozího využití, největší plochu zaujímají v ČR průmyslové brownfieldy (42,8 % plochy z celkové rozlohy brownfildů), následované plochami sloužícími v minulosti armádě (23,2 %) a zemědělství (17,8 %), viz následující tabulka.

6


Šilheřovice 2008

Graf č. 2: Předchozí převažující využití rozlohy lokality v %

jiné 11%

zemědělství 18%

bydlení 1%

cest.ruch, lázeňství, hotel 0%

občanská vybavenost 4%

průmysl 43%

armáda, voj.prostor 23%

Zdroj: [2]

Co se týká budoucího využití brownfildů, jako nejvhodnější předpokládaný způsob se jeví ve 20,8 % případech smíšená průmyslová funkce (lehký průmysl, služby) následovaná smíšenou městskou funkcí (bydlení, služby, 20,7 %), viz následující tabulka. U 16,5 % případů se jeví jako nejvhodnější způsob čistě průmyslové využití, u 12,4 % případů se předpokládá využití pro občanskou vybavenost. Již se neuvažuje s využitím lokalit pro účely armády. Následující graf znázorňuje strukturu brownfildů v České republice podle ekologické zátěže. Graf č. 3: Struktura brownfildů podle ekologické zátěže

neurčeno 2%

lze předpokláda t 38%

ne 53%

ano 7%

Zdroj: [2]

Studie došla k následujícím závěrům. Potvrdila předpoklad velké četnosti bývalých zemědělských areálů. Téměř polovina vyhledaných lokalit se nachází v obcích s méně než

7


Šilheřovice 2008

2tisíci obyvatel. Převážná většina lokalit je v soukromém vlastnictví. A z původně monofunkčních areálů mohou vznikat areály kombinující více funkcí. V rámci Národní strategie regenerace brownfildů je vypracovaná Národní databáze brownfildů, která nabízí ty lokality, které jsou připravené pro plány domácích i zahraničních investorů a developerů. Národní databáze byla spuštěna 1.1.2008. Jako vstupní data posloužila výše jmenovaná Vyhledávací studie, která je doplňována lokalizací nových brownfildů. Tato databáze umožňuje on-line přístup (nahlížení, vyplňování formulářů a je jedním z nástrojů Národní strategie regenerace brownfield. Brownfield je zde identifikován a popsán až do projektového záměru. Avšak jako u předchozích inventarizací je i zde nutný souhlas majitele se zařazením. Cílem je zvýšit přitažlivost a hodnotu jednotlivých lokalit na úroveň, kdy mohou přímo soutěžit s výstavbou na zelené louce. Dostatečná nabídka zrekultivovaných areálů či zabezpečení financování nákladové mezery z veřejného sektoru pomůže snížit zbytečné zábory půdy pro investice na zelené louce, které jsou v rozporu s principy udržitelného rozvoje. Je však dobré mít na paměti, že zde nejsou absolutně všechny české brownfieldy. Současně Czechinvest regeneraci brownfildů přiřkl prioritu a jsou připraveny nové operační programy se zvýhodněním výstavby na brownfieldech. Dotace mohou v některých případech dosáhnout až 100%.2 Za Moravskoslezský kraj je zde on-line v současnosti nabízeno 28 brownfieldů.

Situace v Moravskoslezském kraji A nyní se podívejme na situaci brownfildů v Moravskoslezském kraji. Problematika brownfieldů je typická nejen pro celou Ostravskou aglomeraci. Jako podklad bude sloužit databáze, která je vytvářena obcemi III (s rozšířenou působností) v rámci pořizování územně analytických podkladů dle § 25 a násl. Stavebního zákona. Dle něj obce zjišťují informace o území, tedy i informace o brownfieldech. Obce III po pořízení informací je postupují krajskému úřadu, který vytváří územně analytické podklady o kraji. Brownfieldy jsou v této dokumentaci sledovány, a to jak topologicky (umístění), tak lze zjistit jejich přehledy. Do přehledu jsou však opět zařazovány pouze ty lokality, jejichž majitelé se zařazením do databáze svolili. V moravskoslezském kraji se v současnosti dle této databáze nachází 258 brownfildů o celkové ploše 22,197 km2. Nejvíce, co do rozlohy zabírají brownfieldy v nejmenším okrese Ostrava, a to 3,34% celkové rozlohy okresu.

2

Přehled současných dotačních programů: Program nemovitosti. Přehled současných operačních programů: Program rozvoje venkova, Operační program životního prostředí, Regionální program NUTS II Moravskoslezsko, Podpora úprav bývalých vojenských areálů k obecnému využití, Iniciace a příprava projektů regenerace brownfields v Moravskoslezském kraji.

8


Šilheřovice 2008

Tabulka č. 2: Rozloha brownfildů v km2 V Moravskoslezském kraji Rozloha Okres

okresu v

Rozloha brownfildů v km2

km2

%-ní rozloha brownfildů z rozlohy kraje

Ostrava

332

11,0850

3,34%

Karviná

312

3,1412

1,01%

Opava

824

0,2531

0,03%

Frýdek – Místek

1232

3,5665

0,29%

Nový Jičín

1210

0,7881

0,07%

Bruntál

1535

2,2081

0,14%

5445

22,1970

0,41%

MS kraj celkem

Zdroj: Moravskoslezský kraj + vlastní výpočty

Nejvíce brownfildů má rozlohu 1-5 ha, a to 107. V kraji se nacházejí tři brownfield s rozlohou větší než 100 ha. Dva se nacházejí na území krajského města, zbylý jeden je území bývalých kasáren ve Frýdku-Místku, viz následující 0. Dle územně analytických podkladů je dnes 72 z 258 nevyužito, zbývající jsou přinejmenším nějak využívány. Ze 70-ti % jsou brownfieldy v soukromém vlastnictví, téměř čtvrtina je vlastněna veřejným sektorem a zbytek vlastní stát nebo vlastnictví je z nějakého důvodu neznámé, viz následující 0. Složení vlastníků brownfildů v Moravskoslezském kraji odpovídá celorepublikovému. Graf č. 4: Převažující typ vlastnictví brownfildů v Moravskoslezském kraji neznámé, nerozpozna né 4%

veřejné 23%

státní 3%

soukromé 70%

Zdroj: interní materiál Moravskoslezského kraje+vlastní výpočty

Předcházející činnosti na brownfieldech v krajském městě byly zejména výroba oceli, chemický průmysl, hornická činnost. Poškození životního prostředí se týká zejména půdy a spodní vody a vyskytují se tam všechny úrovně kontaminace v závislosti na předcházejícím typu činnosti. Mnoho z těchto pozemků se nachází v blízkosti centra města, vzhledem k historii jeho rozvoje.

9


Šilheřovice 2008

Na Bruntálsku je situace odlišná, i když počet brownfield se blíží 70. Největší brownfield má rozlohu 22 ha, celkově brownfield v tomto rozlohově největším okrese MS kraje zaujímají 0,14% jeho rozlohy. Původní využití bylo převážně zemědělské, nevýrobní a kulturní. Okres Frýdek-Místek má malý počet brownfield, za to tři se značnou rozlohou. Původní užití bylo vojenské a průmyslové. Karvinsko patří k malým okresům, avšak s téměř 60 brownfieldy, které zabírají 1% rozlohy okresu. Struktura je dána v závislosti na předchozí těžební a průmyslové činnosti. Okres se potýká rovněž se značnými vlivy důlních činností nebo vlivy omezování nebo přerušení důlních činností. Brownfieldy v okrese Nový Jičín jsou převáženě areály bývalých světově známých podniků, které ukončily nebo značně omezily svou činnost. Zanedbatelný podíl, co do rozlohy, zaujímají brownfield s bývalou zemědělskou činností. Opava patří k okresům, kde se brownfieldy vyskytují sporadicky ve srovnání s ostatními okresy Moravskoslezského kraje.

Tabulka č. 3: Četnost brownfildů dle rozlohy v Moravskoslezském kraji 10 to 50

50 to 100

over 100

ha

ha

ha

6

5

0

0

70

6

0

3

2

1

14

12

25

10

10

1

0

58

Nový Jičín

10

9

2

2

0

0

23

Opava

3

3

2

0

0

0

8

Ostrava

1

29

32

0

2

84

52

107

53

3

3

258

≤1 ha

1 to 5 ha

5 to 10 ha

Bruntál

24

35

Frýdek - Místek

2

Karviná

MS kraj celkem

20 40

Zdroj: interní materiál Moravskoslezského kraje + vlastní výpočty

10

Total


Šilheřovice 2008

Graf č. 5: Původní převažující využití brownfildů v MS kraji Průvodní převažující využití brownfields v okresech MS kraje 80

chemický průmysl zělezniční užití zdravotní užití

70

ostatní kulturní užití

60

sportovní užití potravinářský průmysl (výroba) živočišná výroba

50

četnost

skladové prostory textilní (oděvní) průmysl

40

dřevozpracující průmysl školství hutní a těžení průmysl

30

vojenské užití stavební výroba (průmysl)

20

nevýrobní činnost služby

10

zemědělská činnost průmyslová výroba

0 Brunt ál

FrýdekMíst ek

Karviná

Nový jičín

Opava

Ost rava

okresy

Zdroj: interní materiál Moravskoslezského kraje+vlastní výpočty

V Moravskoslezském kraji Lze zaznamenat posun zájmu investorů od greenfieldů k brownfieldům. Velcí investoři v nedávné minulosti obsadili nebo pro ně byly přímo budované průmyslové zóny na greenfields. Tyto firmy však nutně potřebují pro svou produkci navazující činnosti. Ploch určených územním plánem k tomuto účelu je již velmi málo, a tak jsou producenti návazných činností nuceni kupovat a budovat na brownfieldech v kraji. K tomu ale mohou použít výše popsané operační programy, které investicím na brownfield dávají jasnou prioritu. Na závěr se podívejme na dva vybrané úspěšně projekty regenerace brownfield v Moravskoslezském kraji. Rozlohou velký brownfield zvaný Karolina nyní procházející regenerací3 se nachází v samém centru města Ostravy. Poloha a rozloha nemá v evropských městech velikosti Ostravy obdoby. Všechny pozemky Karoliny byly podrobeny rozsáhlému dekontaminačnímu procesu, který stál 1,664 mld CZK, a trval od roku 1997 do prosince 2005. Bylo zapotřebí dekontaminovat zeminu, podzemní vody od dehtových látek z výroby koksu a odstranit 6380 m3 železobetonových základů. Jeho rozloha je 60 ha. V prosinci 2005 byla vyhlášena na toto území developerská soutěž na vyhledání zájemce o koupi pozemků na území Karoliny za účelem jejich zastavění. A v létě 2007 bylo vydáno územní rozhodnutí pro I. etapu výstavby, která započala v létě 2008, která má být dokončena v roce 2010. 3

Jáma Karolina je nejstarší ostravskou šachtou. Hloubena byla od roku 1837 původně Sloj sama o sobě dosáhla konečné hloubky 550m. Šachta Karolina byla také komunikačně spojena báňskou dráhou s později vzniklou koksovnou stejného jména, které po celou dobu své existence dodávala uhlí. Koksovna byla založena roku 1858, a od doby svého vzniku se výrazně rozšiřovala (ve třicátých letech 20. století již obsahovala na 216 pecí). Závod byl určen k výrobě koksu (tedy primárně paliva a redukčního činidla do vysoké pece), obsahoval však také briketárnu. Roku 1905 byla při koksovně zřízena elektrická ústředna, která dodávala energii mnohým šachtám v okolí. Provoz koksovny byl zastaven roku 1964, elektrárna byla zrušena o deset let později. Dvě z provozních budov se zachovaly dodnes a jsou chráněnými památkami.

11


Šilheřovice 2008

Mezi další úspěšnou regeneraci brownfield lze zařadit regeneraci zámku v Ostravě Zábřehu, který se nachází uprostřed velkého ostravského sídliště. Stihl ho obdobný osud jako všechny brownfield – byl opuštěný a značně zchátralý. První zmínka o této tvrzi je z roku 1529, kdy se stává Zábřežská tvrz hlavním sídlem zámožného rytíře Jana ml. z Petřvaldu. Od roku 1652 Zábřeh přestává být lenním statkem a dostává se natrvalo pod vládu olomoucké kapituly, je pak sídlem hospodářské správy. V roce 1921 zámek slouží pro bytové účely, bydlí zde 10 domácností. Po únoru 1948 v budovách sídlí n.p. Bytostav, závod mechanizace. Od roku 1989 je zámek několik let neúspěšně nabízen realitními kancelářemi k prodeji. Počátkem roku 2005 je zámek koupen panem Petrem Hradilem a panem Erichem Bergmanem a pod dohledem památkářů citlivě opraven. Majitelé zvolili zdařilý projekt. Po dvouleté rekonstrukci je zámek využíván jako historický hotel, stylový restaurant, domácí pivovar s pivnicí (ten zde existoval již v roce 1652), vinárna a obchod s vínem.

Závěr Nebude-li podporováno znovuvyužití brownfildů, bude pokračovat rozvoj na zelené louce a s ním i zvyšování regionálních disparit. Následkem toho bude vznik dalších brownfildů a existující urbanizované území bude ztrácet své investiční aktivity a svou atraktivnost a spirálový efekt bude brzdit další rozvoj území. Nevyužitá území brownfildů nebudou generovat daňové příjmy, bude vzrůstat nezaměstnanost a nebude generována spotřební daň a daň z přidané hodnoty na tomto území. To také způsobí, že stávající infrastruktura na brownfieldech nebude využívána a investice budou ztraceny. To sníží celkovou konkurenceschopnost nejen jednotlivých komunit, ale ohrozí služby a výrobu v celé oblasti. V národním měřítku to způsobí, že investoři nebudou do těchto oblastí chtít investovat a nezaměstnanost a úpadek se může dále prohlubovat. Bez porozumění, inventarizace a analýz brownfildů nemůže společnost porozumět problému a nemůže připravit aktivní měřítka (politiku), která by mohla vymezit problémy jejich brownfildů. Nejen ekonomika a ekonomické změny, ale rovněž prostorové normy a celkově způsob života společnosti vytvářejí nové brownfieldy. Proto by nové formy aktivit měly být zahrnuty do řešení brownfildů. Jen tak bude zajištěna jejich hospodárnost a způsob znovuvyužití v postindustriální společnosti, kde je potřeba mnohem méně prostoru pro výrobu, ale mnohem více prostoru pro služby, spotřebu a odpočinek.

Literatura [1] [2] [3] [4] [5] [6] [7] [8]

www.czechinvest.org/nsrbf (cit. 7.10.2008) http://www.czechinvest.org/narodni-databaze-brownfieldu (cit. 15.10.2008) www.kraj-moravskoslezsky.cz www.mpo.cz Zákon č. 183/2006 Sb., o územním plánování a stavebním řádu (Stavební zákon) Zákon č. 40/1964 Sb., Občanský zákoník (Civil code) Interní materiál Moravskoslezského kraje Brownfields příručka, Lepob, květen 2006 http://fast10.vsb.cz/lepob/index2/handbook_cz_screen.pdf (cit. 2.10.2008)

12


[9] [10] [11]

Šilheřovice 2008

www.zamek-zabreh.cz www.mmo.cz http://www.brownfieldy.cz/seznam-brownfieldu (cit. 27.10.2008)

13


Šilheřovice 2008

ANALYSIS OF UNEMPLOYMENT IN 1993 – 2007 AND SOME REGIONAL DISPARITIES IN SLOVAK AND CZECH REPUBLIC Ing. Pavlína Ivanová

Abstract The Slovak and Czech Republic’s formation of the labor market under new conditions was closely connected with privatization, increasing pressure of adaptation process in the business sector to new competitive conditions, as well as dealing with over-employment and closing some unprofitable productions. All these facts together along with the need for a fast increase in productivity of labor posed new problems for the labor market, which has affected development of employment and its structure to some extent. The contemporary labor market in the Slovak and Czech Republic is characteristic of a high level of long-term unemployment, very high unemployment of persons with low educational level, high unemployment among young people, great regional disparities in unemployment, and extremely high unemployment of Romany national minority.

Key words Prediction, Regional disparities, Slovak Republic and Czech Republic, Unemployment

INTRODUCTION Although the existence of unemployment itself is considered a natural part of market economies, it was an unknown problem for our economy until 1990. In the beginning of the transformation, the federal government responded late and by inadequate tools to the unemployment phenomenon. Consequently, its uncontrolled development (particularly in Slovakia) started to constitute a crucial economic as well as political and social problem. Its significance in the federal state was stressed also by the fact that the unemployment rate in the Slovak and Czech Republic had considerably different development. In the end of 1992, the unemployment rate in the Czech Republic constituted 2.6%, in Slovakia the rate was over 10%. Unemployment emerged as a logical and inherent phenomenon of depression in the beginning of the transformation process when a cumulative employment decline in the years of depression was evidently lower than a cumulative GDP decline. If we consider the fact that in period of centrally planned economy over-employment was present, it has to be pointed out that it also existed in first years of the transformation. It meant that a significant portion of the labor force had been used only partially. Hence, after the economic growth recovery, there was not a need to hire new workers; the experts considered this as one of the paradox causes (particularly remarkable in Slovakia) when, in the period of a strong economic growth, there were only small employment changes.

1


Šilheřovice 2008

The split of the federation brought about to Slovakia not only economic losses connected with the partitioning of common property, but it even induced the expenses connected with creation of new institutional mechanism as well as the expenses needed to maintain their proper functioning in the conditions of an emerging state. It is indisputable that abovementioned facts influenced in a distinctive way also the formation of economic policy of that period. One of the weaknesses of an economic policy (mainly in Slovakia) was the problem of high unemployment that summoned in the beginning of transformation and it still persists.

1 Analysis of unemployment in Slovak and Czech Republic in 1993 – 2004 1.1 Analysis of unemployment in the Slovak Republic in 1993 - 2004 Slovak economy had been known for its high unemployment rate during the entire observed period. Until 1994, when the first official Selective Labor Force Inquiry was finished, the unemployment rate reached an average value of 14 %. Afterwards, an employment growth caused its rate to decline until the first half of 1996. Since the second half of 1996 unemployment started to rise once again. Excess supply of labor force over demand was increasing since 1998. Statistical unemployment observed according to the Selective Labor Force Inquiry (average for a particular period) is mentioned in the Figure 1.

Figure 1: Unemployment rate development in the Slovak Republic (%) 1993 1994 1995 1996 1997 1998 1999 2000 2001

2002 2003 2004

Total 12,2 13,7 13,1 11,3 11,8 12,5 16,2 18,6 19,2

18,5 17,4 18,1

Men

13,3 12,6

10,2 10,9 11,9 16,0

18,6 19,5

18,4 17,2 17,3

Wom en

14,1 13,8

12,7 12,8 13,2 16,4

18,6 18,8

18,7 17,7 19,1

Source: Slovak Statistical Office (Selective labor force inquiry).

During the entire observed period women were suffering more from unemployment than men. In 1997, there was a new administrative division implemented in Slovakia. Consequently, there was an increase in the number of districts with unemployment rate over 20%. Region of Bratislava maintained the lowest unemployment rate in a long-run. Traditionally region of Banska Bystrica (26.6 %), region of Košice (25.2 %) and region of Prešov (22.9 %) constituted the regions with the highest unemployment rate where among others it was unfavorable educational structure of work applicants that contributed to perseverance of high unemployment rate. A substantial proportion of unemployed (more than a half) constituted long-run unemployed, what can be definitely assessed as a very negative phenomenon. This value did not change distinctively in past years. In 1999, the proportion of long-run unemployed within an entire unemployment constituted 48.7 % what made 195 400 unemployed people. In 2000, the

2


Šilheřovice 2008

proportion of long-run unemployed increased to 55.3 % what made 261 000 people. The number of long-run unemployed increased until 2004 to 291 000 people. Women suffer more from long-run unemployment than men.

Figure 2: Long-run unemployment in the Slovak Republic (in thousands of persons) 1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2 years

75,5

77,3

54,2

55,6

56,3

82,1

117, 4

101, 7

103, 4

90,0

82,2

more than 2 years

63,7

94,9

92,4

93,8

104, 4

113, 3

144, 2

181, 2

188, 0

190, 8

209, 0

Source: Slovak Statistical Office.

The presence of long-run unemployment is the most obvious in persons with a low level of education. Nowadays unemployed with elementary education, vocational training and secondary education without final school leaving exams constitute almost 70 % of long-run unemployed. Slovak market is distinctive for its exceptionally high unemployment of young people.

Figure 3: Unemployment of 15 – 24 years old people %

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

27,3

24,8

21,0

21,7

23,6

32,1

35,2

37,3

36,1

32,2

32,0

Source: Slovak Statistical Office

Unemployment development in Slovakia was influenced by an insufficient linkage between school system and labor market, low mobility of labor force, inappropriate ratio between social and work incomes, low creation of work places, restricted opportunities to use the tools of active labor market policy and unclear property relationships in bankrupting companies. Unemployment rate was influenced by other factors which included a low courage to fight the black labor, false privatization and insufficient flow of foreign direct investments. The labor productivity also negatively influenced unemployment rate. From an economic perspective, growth of labor productivity is a positive trend but it leads indirectly to a decline in number of work places. The dynamics of GDP growth higher than 2 % had a positive impact upon the employment growth. The economic growth in 1993 – 2000 did not have an effect upon activation of work places creation. The growth of productivity of labor in corporate sphere was reached by a decrease in employment. It can be inferred that non-motivationally set unemployment insurance system, what led to its misuse, constituted particularly negative role too. According to opinions of some analytics, people in Slovakia accustomed to a high unemployment rate relatively fast, especially due to the presence of black and so called gray labor market. It is definitely an undesirable phenomenon that not only makes it unable to tackle high unemployment effectively but even it creates incredible losses in public funds. Although it is a phenomenon commonly found in most developed economies, their longstanding experience generate adequate and effective measures to suppress this problem.

3


Šilheřovice 2008

1.2 Analysis of unemployment in the Czech Republic in 1993 – 2004 Czech labor market had undergone significant changes since 1993 that were brought about by new economic conditions. The Czech Republic constituted the country with the lowest unemployment rate among the Visegrad Group countries in the first four years because employment in entire industry rose. However, there was also increase in the number of inhabitants who abandoned voluntarily the labor market as a consequence of their early restriction of labor activity. This situation started to change in 1997 in the Czech Republic after the monetary crisis when the unemployment rate was gradually increasing as a consequence of economy restructuralization and weak efficiency of economy. There was a development on labor market during 2000 that indicated gradual reduction of misbalance between demand for labor force and its supply. Whereas there was a deepening of employment decline in all fields of industry and unemployment was rising in 1999, the development of main indicators of the labor market in 2000 signalized the change of tendencies that were persisting hitherto. There was a process of unemployment reduction which could have been observed for entire 2001, most distinctively its second half. Positive development was influenced mainly by the activation of domestic economy and growth of work opportunities generated by foreign investors; moreover, there was a rising of work opportunities in smaller domestic firms encouraged by active employment policy. There is additional evidence that substantiate the reduction of misbalance between demand and supply in 2000; there was a gradual increase in number of vacancies reported in Office of Labor and decreasing number of people registered within this office. In the end of year there was a ratio of average one vacancy to 8.8 unplaced workers in the whole Czech Republic. In the preceding year there were about 5.1 unplaced workers more. In order to compare, we may state that there were 93.7 registered people in Slovakia for one vacancy in 1999, 84 registered people in 2000 respectively. Even though the above-mentioned number is rather high for Slovak economy, the positive fact is that since that year the ratio of unplaced people to one vacancy started to decrease remarkably. When analyzing unemployment according to gender we find out that women are more often exposed to the loss of job than men. Unemployment of women was evidentially higher than that of men during the entire observed period. There was a women unemployment rate in 2000 of about 10.6 % compared to that of man which constituted 7.3 %. Unemployed women constituted 53.2% of all long-run unemployed. There was a decrease of unemployment rate of women to 9.9% and that of men to 7.0% in 2004.

Figure 4: Unemployment rate in the Czech Republic (in %) 1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

Men

3,6

3,4

3,3

3,9

5,0

7,3

7,3

6,7

5,9

6,1

7,0

Wome n

5,2

4,8

4,7

5,9

8,2

10,5

10,6

9,9

9,0

9,9

9,9

Total

4,3

4,0

3,9

4,8

6,5

8,7

8,8

8,1

7,3

7,8

8,3

Source: Czech Statistical Office.

Since the beginning of the economic transformation in the Czech Republic there was an emergence, and in subsequent years due to gradual steps of this transformation, a

4


Šilheřovice 2008

deepening of misbalance between supply and demand for labor force in regional structure. The areas with prevailing mining and heavy industry and agricultural areas, which were touched utmost by restructuralization in progress, were exhibiting constant problems with high unemployment. Region of Moravskosliezsko, region of Ustecko and region of Olomouc were the regions which had the most distinctive problems. There was an expressive regional differentiation of unemployment launched in 1998, after unemployment rate exceeded 10% in some region; this induced social tension. In 2000, region of Juzna Morava (8.3 %), region of Zlin (8.1 %) and region of Karlove Vary (8.4 %) joined the above-mentioned regions. There was the highest ratio of job applicants for one vacancy in these regions (from 10.3 to 31.8 people) due to low supply of work places. Region of Praha indicated the lowers number of job applicants, followed by region of Česke Budejovice (3.3 people) and region of Hradec Kralove (5.8 people). In 2004, region of Moravskosliezko and Ustecko reached the unemployment rate of 14.5 %, region of Olomouc 12.0 %, region of Karlove Vary 9.4 %, region of Juţna Morava 8.3 % and Zlinsky region 7.4 %. Other regions exhibited unemployment rate of less than 7 %. Distinctive misbalance on labor market existed and still perseveres on the stage of particular districts. The most crucial problem with unemployment could have been observed on the verge of 2000 in northern Bohemia, particularly in Most, Louny a Teplice districts as well as in northern Moravia in Bruntal and Karvina districts. On the other hand, low number of people without work could have been observed in some districts of central Bohemia as well as in Prague-east and Prague-west districts.

Nevertheless there was a gradual relaxation of tension on labor market, the problem of longrun unemployment started to appear. Persisting disproportion between supply and demand for labor force in qualification and professional structure deepened long-run unemployment. In the course of several years, particularly 1999 – 2000, there was a rapid increase of people who were unable to find work in a long-run (more than one year). In 1999, long-run unemployed constituted 29.7 % of all unemployed; in 2000 they constituted as much as 38.4 %. Long-run loss of job generates not only serious economic and social problem but it has also destructive impact upon human psychology. There were 108 500 people exposed to such an impact in 2000 in the Czech Republic; in 2002, the number of long-run unemployed decreased to 71 000 people, however since 2003 long-run unemployment started to rise slightly once again. Very long unemployment (more than 2 years), which had a rising trend during entire observed period (Figure 5), starts to pose a particular threat for Czech economy in recent years.

Figure 5: Long and very long unemployment in the Czech Republic (in thousands of persons) 1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

1-2 years

29,2

30,6

28,6

38,6

57,6

88,7

108,5

89,1

71,0

77,5

82,7

more than 2 years

15,4

27,7

28,2

31,2

41,3

74,8

106,2

125,0

117,0

119,1

135,2


5


Šilheřovice 2008

When analyzing unemployment according to age, the most endangered group were people aged 15 – 19. In 1994, the unemployment rate of this group constituted 13.2 %, in the course of subsequent ten years it increased to 41.9 %. The second most endangered group were people aged 20 – 24; the unemployment rate of this group constituted 9.2 % in 1994, ten years later it reached 17.6 %. The third most endangered age group were 50 – 54 years old people who exhibited the change of the unemployment rate from 1.8 % in 1994 to 7.4 % in 2004. The increase of unemployment rate could have been observed in other age groups, however these changes were negligible.

Figure 6: Unemployment rate in the Czech Republic according to age (in %) 1994 15 – 19 years 20 –24years

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

13,2

13,1

13,3

16,5

25,1

31,8

33,6

37,3

35,8

38,4

41,9

6,2

5,6

5,1

6,4

9,1

13,6

14,2

13,7

13,5

14,8

17,6


Formation of labor market in new conditions in both economies was closely connected with privatization process, speeding-up of adaptation process pressure in corporate sphere upon new competitive conditions, solution of overemployment in existing enterprises and companies and shut-down of several unprofitable enterprises. All these facts coupled with a need to quickly raise labor efficiency posed new problems for labor market that influenced employment development and its structure in diverse ways. There were the following fundamental problems of labor market in the Slovak and Czech Republic during the transformation process: 

Persisting unemployment



Missing system of investment stimuli for new investors and insufficient support of mainly small and medium businesses



Missing regional development policy

Low territorial mobility of labor force, induced mainly by the absence of working market with price-affordable houses and low level of infrastructure and transport networks, caused that the aim of regional policy  effective and balanced development of all parts of the republic  was not accomplished. 

Insufficient range of active employment policy

Above-mentioned problem was caused mainly by unprepared legislation in the first years of transformation. Active employment policy was executed ad hoc in this period. The change was observed as late as there were preparations being made in order to allow the Slovak and Czech Republic to enter the European Union. It meant that there should be an explicit preference given to ability to work and be employed contrasting to passively receive social security benefits; apparently, there were respective financial amounts allotted to this field. 

Misbalance between wage level and social security benefits



Insufficient respect of labor market demands by the system of education



Foreign labor forces and their legal and illegal arrival

6


Šilheřovice 2008

It is characteristic for both economies that unemployment that emerged in recent years was due to strong competitive pressures and increase in productivity of labor; what is more, it was an illustration and consequence of high macroeconomic inequality. There was a creation of long-run unemployment, unemployment of people with low level of education, high unemployment of young people, immense regional differences in unemployment and significant unemployment of Roma people in both economies. There were following determining factors that influenced the status of unemployment in the Slovak as well as Czech Republic (when we do not take into account the factors connected with the restructuralization of economies): 

Rigidity of labor market



Low rate of contribution of labor market active policy to reduction of unemployment

The most distinctive weakness of this policy was the field of retraining that should have played the most crucial role in unemployment reduction 

Level of territorial mobility for a job



Excessive tax and social security contributions

High non-wage expenses for a labor force together with tax load had also an impact on unemployment of workers with low qualification. Prevalence of unemployment (its regional character, rising of long-run unemployed and rising differences between unemployment of endangered groups and the rest of population) started to constitute a real threat for economy.

2. Development of unemployment rate in Czech and Slovak Republic in 1993 – 2007, the prediction for the 2008 and 2009 and some regional disparities in these Republics 1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

13,7

13,1

11,3

11,9

12,6

16,4

18,8

19,3

18,6

17,5

Slovak Republic

%

Czech Republic

%

4,3

4,6

4,1

3,9

4,8

6,5

8,8

8,9

8,2

7,3

7,8

European Union

%

9,9

10,7

10,4

10,7

10,7

10,2

9,4

8,4

8

8,4

8,9

2004

2005

2006

2007

Slovak Republic

%

18,1

17,9

14,6

11

Czech Republic

%

8,3

8,3

7,1

5,3

%

8,9

9

8,2

7,1

European Union

Source: the author from the Slovak and Czech Statistical Offices and Eurostat

7


Šilheřovice 2008

Development of unemployment rate

Slovakia % Czech Republic % EU

25 20 15 10 5 0 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Prediction of unemployment rate in CR and SR 2004

2005

2006

2007

2008P

2009P

SK unemployment %

18.1

17.9

14.6

13.2

12.9

12.4

CZ unemployment %

8.3

8.3

7.1

6.7

6.5

-

Source: MFSR, MFČR.

Regions with highest unemployment in Slovakia in 1997

Region of Prešov 22.9% Region of Banska Bystrica 26.6% Region of Košice 25.2%

8


Šilheřovice 2008

The cause of unemployment misbalance: among others reasons it was unfavourable educational structure of work applicants. Regions with highest unemployment in Czech Republic in 1997

Region of Karlove Vary 8.4% Region of Zlin 8.1% Region of Brno 8.3 The cause of unemployment misbalance: restructuralisation of mining industry, heavy industry and agricultural sector. Consequent lower demand.

Regions with highest unemployment in Slovakia in 2007

Region of Prešov 13.8% Region of Banska Bystrica 20.0% Region of Košice 15.9%

9


Šilheřovice 2008

The cause of unemployment misbalance: low mobility and flexibility of labour force. It still remains the actual problem of Slovak (and Czech) economy.

Regions with highest unemployment in Czech Republic in the fourth quarter of 2007

Region of Karlove Vary 8.3 Moravian-Silesian Region 8% Region of Usti nad Labem 9.3 The cause of unemployment misbalance: low mobility and flexibility of labour force. It still remains the actual problem of Czech and Slovak economy.

Conclusion The current period may be perceived as breakthrough and decisive; it is alleged whether the Slovak and Czech Republic will follow the path oriented at economic growth and high level of production competitiveness for which there is an inevitable condition to have good vocationally-prepared and sufficiently qualified labor forces. It depends upon many factors to what extent the Slovak and Czech Republic will profile as efficient, flexible, research and development countries for which creativity, innovations, knowledge and skills are characteristic. One of these factors is the education of labor force. Favorable development in the field of unemployment should have been closely intertwined with the removal of main causes of unemployment. Therefore, the emphasis should be given on national-economic policies and national plans of employment (as it exists already in the EU countries).

Bibliography [1]

HALUŠKA, J. – OLEXA, M.: Macroeconomic analysis of the Slovak Republic 1993 – 1998. In: Trend, 1999, Issue 21.

[2]

HÁJEK, L.: Economic transformation in the Czech Republic and changes in industry branches structure. In: Economy and society, Vol. 1/2002.

[3]

HOLKOVÁ, V. et al.: Microeconomics. Bratislava: Sprint vfra, 2003.

[4]

HOLKOVÁ, V. et al.: Unemployment and its development in the Czech and Slovak Republic in 1993 – 2004. In: Comparison of transformative process results in the Slovak and Czech Republic. IGP-NHF, Bratislava, 2005.

10


Šilheřovice 2008

[5]

HOLKOVÁ, V. – VESELKOVÁ A.: Comparison of reformative process results in the Slovak and Czech Republic in the transformative decade. In: Economic horizons, Vol. 35, 2006, Issue 1.

[6]

HOLKOVÁ, V. – VESELKOVÁ A.: Unemployment in Slovak and Czech economy as a fundamental macroeconomic problem of the transformative decade. In: Economic horizons, Vol. 36, 2007, Issue 1.

[7]

HOLUB, A.: Economic growth in the Czech Republic in 1990s. In: Acta Oeconomica Pragensia, VŠE Praha, 2000, Issue 7.

[8]

HOLUB, A.: Changes in development of branch’s macrostructure of GDP and employment. In: Acta Oeconomica Pragensia, VŠE Praha, 2000, Issue 7.

[9]

IŠA, J.: European Union and transformation of the Slovak Republic. In: Transformation of Slovak economy and questions of its involvement in European Union . Bratislava, January 2000.

[10] JÍROVÁ, H.: Czech economy in 1990s: Labor market situation in the Czech Republic. Research study VŠE Praha, NHF, 1999. [11] JURÍČKOVÁ, V. – RENDEK, I.: Economic and unemployment efficiency growth of the Visegrad Group. In: Economic journal, 2000, Issue 4. [12] Media release from the meeting of the Bank Board of the National Bank of Slovakia. Bratislava March – May 2005. http://www.nbs.sk/PRESS/TS050429_2.HTM/. [13] KORNAI, J: Ten years after the journey towards free economy: Author’s selfevaluation. In: Political economy, 2001, Issue 5. [14] KOŠŤA, J. – AZUDOVÁ, Ľ. – OKÁLI, I.: Employment and unemployment development in the Slovak Republic. In: Economic journal, 2000, Issue 4. [15] KOŢUŠNÍK, Č.: Thinking about an economic transformation. In: Political economy, 1997, Issue 1. [16] Macroeconomic indicators of quartal national accounts and added value. Bratislava: Štatistický úrad 2005. [17] MLČOCH, L. – MACHONIN, P. – SOJKA, M.: Economic a public changes in Czech society after 1989 (alternative view). Karalinum. Praha, 2000. [18] MORVAY, K.: Assessment of the labor market development in the Slovak Republic in 2005 and its short term prognosis up to 2008: In Economic journal, Vol. 54, 2006, Issue 5. [19] MORVAY, K.: Efficiency a competitiveness of Slovakia in integrated Europe. Bratislava: M.E.S.A. 10, 2005, s. 18 – 24. ISBN 80-89177-06-9. [20] NĚMEC, J.: After ten years of transformation. In: Economic journal, Vol. 49, 2001, Issue 4. [21] NĚMEC, J. – PRACHÁR, I.: Main macroeconomic tendencies in the Slovak Republic after 1989 and their impact on expected development. In: Economic journal, Vol. 48, 2000, Issue 1. [22] OKÁLI, I.: About problematic of unbalance in transformative economies. In: EÚ SAV, Bratislava, 1997. [23] PITNER, J.: Impact of transformation of economy upon employment structure in the Czech Republic. In: Statistics, Issue 5/2002. [24] SOJKA, M. et al.: Principles of economics. Grada, 1999. Originally translated from English. MANKIW, G. N.: Principles of Economics, 1998. [25] SPĚVÁČEK, V.: Macroeconomic development of the Czech Republic. In: Acta Oeconomica Pragensia, 1999, Issue 3

11


Šilheřovice 2008

[26] STIGLITZ, J. E.: Velvet Revolution for burglars. – Grounds on the sand. – Unfairly profitable suggestions of western experts. In: Economist, 1999, Issues 23, 24, 25. [27] Statistical report about fundamental development tendencies in Slovak economy. Bratislava: Slovak Statistical Office 2001 – 2005. [28] Selective survey of labor forces. Bratislava: Slovak Statistical Office 2002 – 2006. [29] ZEMANOVIČOVÁ, D.: Economic transformation in the Slovak Republic after ten years. In: Finances and loan, Issue 50, 2000, Issue 10. http://www.eurostat.com http://www.mpsv.cz a www.mpsv.sk http://www.oecd.org - Taxing Wages. OECD 2006. http://www.statistics.sk htt://www.upsvar.sk http://www.vupsv.cz

12

VŠB-Technická univerzita Ostrava

Recommend Documents