VLIV DOPRAVNÍ DOSTUPNOSTI A

MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA GEOGRAFICKÝ ÚSTAV

VLIV DOPRAVNÍ DOSTUPNOSTI A OBSLUŽNOSTI NA EKONOMICKOU ÚROVEŇ OBCÍ V ČESKÉ REPUBLICE

Rigorózní práce Filip Chvátal

Brno 2013

1

Bibliografický záznam Autor:

Mgr. Bc. Filip Chvátal Přírodovědecká fakulta, Masarykova univerzita Geografický ústav

Název práce:

Vliv dopravní dostupnosti a obsluţnosti na ekonomickou úroveň obcí v České republice

Studijní program:

Geografie a kartografie

Studijní obor:

Sociální geografie a regionální rozvoj

Akademický rok:

2013/2014

Počet stran:

118+5

Klíčová slova:

Doprava, dostupnost, dopravní obsluţnost, socioekonomické indikátory, obce, regionální rozvoj, Česká republika

2

Bibliographic Entry Author

Mgr. Bc. Filip Chvátal Faculty of Science, Masaryk University Department of Geography.

Title of Thesis:

Impact of Transport Accessibility and Traffic Service Level on the Economic Development of Municipalities in the Czech Republic

Degree programme:

Geography and Cartography

Field of Study:

Social Geography and Regional Development

Academic Year:

2013/2014

Number of Pages:

118+5

Keywords:

Transport, Accessibility, Traffic services, Socioeconomic indicators, Municipalities, Regional development, the Czech Republic

3

Abstrakt Doprava je v současnosti velmi významným faktorem ovlivňujícím socioekonomickou úroveň regionu a prostorové interakce ve společnosti. Tato premisa mŧţe být uplatněna na změny regionální diverzity a vývoje ekonomické úrovně obcí v České republice. Dopravní dostupnost jako geografický fenomén má své projevy v mnoha oblastech ţivota, především v oblasti sociální a ekonomické (např. pohybu obyvatelstva za prací). Stejně tak hranice mezi dobrou a špatnou dostupností není jednoznačná a mŧţe být nahlíţena z rŧzných úhlŧ pohledu. Tato rigorózní práce se věnuje hodnocení úrovně dopravní dostupnosti a obsluţnosti v obcích České republiky a jejímu srovnání s ukazateli jejich socioekonomické úrovně. Klade si za cíl zjištění vztahu (závislosti) úrovně dopravní dostupnosti a obsluţnosti a socioekonomického rozvoje v České republice. Analýzu budeme provádět na základě kvantitativního přístupu jak formou korelační, regresní a faktorové analýzy, tak formou geografické analýzy na základě mapových výstupŧ.

Abstract Transport or traffic services are very important factors influencing the socioeconomic status of a region and spatial interactions in the society. This proposition can be applied to the changing of regional diversity and economic development of municipalities in the Czech Republic. Accessibility as a geographical phenomenon has its impact in many spheres of life. Firs of all in socioeconomic sphere. Also boundary between good and bad accessibility is relative. This thesis deals with the evaluation and comparison of indicators of transport accessibility and traffic service level with socioeconomic indicators in the czech municipalities. Goal is to find out, if there is a relationship between level of transport accessibility nad traffic service and socioeconomic level in czech municipalities. Analysis will be quantitative. We will use corelational, regressional and factoral analysis as well as geographical analysis on the basis of maps.

4

Poděkování Na tomto místě bych chtěl poděkovat Mgr. Danielu Seidenglanzovi, Ph.D., a to jak za čas i cenné rady, které mi při psaní této rigorózní práce poskytl, tak i za trpělivost, kterou se mnou měl u odborných dotazŧ. Poděkování rovněţ patří všem lidem, kteří mi poskytli rady všeho druhu a podporu.

Prohlášení Prohlašuji, ţe jsem svoji rigorózní práci vypracoval samostatně s vyuţitím informačních zdrojŧ, které jsou v práci citovány.

Brno 30. září 2013

…………………… Filip Chvátal 5

OBSAH

OBSAH.................................................................................................................................. 6 1 ÚVOD A CÍLE PRÁCE ..................................................................................................... 8 1.1 Úvod ............................................................................................................................ 8 1.2 Cíle práce ..................................................................................................................... 9 1.3 Vymezení území a časového období ......................................................................... 10 2 GEOGRAFIE DOPRAVY A EKONOMICKÝ ROZVOJ V KONTEXTU TEORETICKÝCH PŘÍSTUPŦ ........................................................................................... 11 2.1 Vybrané aspekty ze studia geografie dopravy ........................................................... 11 2.2 Ekonomické teorie ................................................................................................ 15 2.3 Neomarxistická geografie ..................................................................................... 17 3 VYSVĚTLENÍ VYBRANÝCH POJMŦ NA ZÁKLADĚ REŠERŠE LITERATURY .. 21 3.1 Dopravní dostupnost .................................................................................................. 21 3.2 Dopravní obslužnost .................................................................................................. 23 3.3 Role prostoru a dostupnosti v globalizované ekonomice .......................................... 25 4 ROLE DOPRAVNÍ INFRASTRUKTURY V REGIONÁLNÍM ROZVOJI .................. 28 4.1 Dopravní politika ČR ................................................................................................ 30 4.2 Silniční doprava ......................................................................................................... 30 4.3 Železniční doprava .................................................................................................... 31 4.4 Dopravní infrastruktura a její dopad na ekonomický rozvoj ..................................... 34 4.5 Logistické systémy a jejich vliv na efektivitu dopravy jako katalyzátoru rozvoje ... 38 4.6 Lokalizace výroby, výše příjmů a dopravní náklady................................................. 39 4.7 Shrnutí kapitoly ......................................................................................................... 40 5 METODOLOGIE A ZDROJE DAT ................................................................................ 42 5.1 Úvod .......................................................................................................................... 42 5.2 Analýza dopravní dostupnosti ................................................................................... 43 5.3 Analýza dopravní obslužnosti ................................................................................... 46 5.4 Analýza vybraných socioekonomických ukazatelů................................................... 48 5.5 Korelace jednotlivých ukazatelů ............................................................................... 53 5.6 Faktorová analýza ...................................................................................................... 54 5.7 Regresní analýza faktorů dopravních se socioekonomickými ukazateli ................... 55 5.8 Komparace socioekonomické typologie obcí podle MMR s ukazateli dopravní dostupnosti a obslužnosti ................................................................................................. 56 6. ANALÝZA DOPRAVNÍ DOSTUPNOSTI .................................................................... 58 6.1 Mikroregionální úroveň ............................................................................................. 58 6.2 Mezoregionální úroveň .............................................................................................. 61 6.3 Makroregionální úroveň ............................................................................................ 63 6.4 Shrnutí ....................................................................................................................... 65 7. ANALÝZA DOPRAVNÍ OBSLUŢNOSTI .................................................................... 67 7.1 Mikroregionální úroveň ............................................................................................. 67 6

7.2 Mezoregionální úroveň .............................................................................................. 72 7.3 Shrnutí (komplexní analýza obslužnosti obcí) .......................................................... 75 8. ANALÝZA SOCIOEKONOMICKÉ SFÉRY ................................................................ 80 8.1 Podnikatelská aktivita ................................................................................................ 80 8.2 Míra nezaměstnanosti ................................................................................................ 84 8.3 Příjmy z daní.............................................................................................................. 85 8.4 Demografické údaje................................................................................................... 86 8.5 Shrnutí ....................................................................................................................... 88 9. KORELAČNÍ ANALÝZA .............................................................................................. 90 9.1 Úvod .......................................................................................................................... 90 9.2 Korelace socioekonomických ukazatelů ................................................................... 90 9.3 Korelace dopravních a socioekonomických ukazatelů .............................................. 91 10. FAKTOROVÁ A REGRESNÍ ANALÝZA .................................................................. 95 10.1 Faktorová analýza .................................................................................................... 95 10.2 Úvod do regresní analýzy ........................................................................................ 95 10.3 Regresní analýza ovlivněná velikostí střediska a vyjížďkou................................... 96 10.4 Regresní analýza ovlivněná komplexní socioekonomickou typologií obcí podle MMR ............................................................................................................................... 98 10.5 Závěr ........................................................................................................................ 99 11. KORELACE TYPOLOGIE VYMEZENÍ OBCÍ PODLE MMR S DOPRAVNÍMI CHARAKTERISTIKAMI ................................................................................................. 100 12. ZÁVĚR ........................................................................................................................ 106 POUŢITÁ LITERATURA ................................................................................................ 110 SEZNAM PŘÍLOH ........................................................................................................... 119

7

1 ÚVOD A CÍLE PRÁCE

1.1 Úvod Geografie je jiţ ze své podstaty studia prostoru bytostně svázána s dopravou. Je proto logické, ţe se zabýváme dopravou právě v kontextu geografie jako vědecké disciplíny. Současná společnost je charakteristická vysokou mírou mobility. V prŧběhu socioekonomické transformace České republiky doznala právě i mobilita obyvatel výrazných změn. Spolu s mobilitou se zvedaly i poţadavky na dopravní infrastrukturu. Docházelo k významným investicím do rychlostních komunikací a změnám prostorových vazeb, které mŧţeme stručně a zjednodušeně nazvat jako koncentrační procesy na vyšší měřítkové úrovni. Na mikroregionální úrovni sice docházelo k rezidenční a komerční suburbanizaci v zázemí měst, ale pokud se podíváme na procesy z hlediska celé České republiky, sledujeme populační a ekonomický rŧst v rámci celých aglomerací a naopak pokles v rámci periferních oblastí. Doprava do jisté míry spoluurčovala tyto procesy a byla jimi samozřejmě také utvářena. Snad nejlépe tento vzájemný proces ilustruje vztah dopravní dostupnosti a regionálního rozvoje. Ekonomický rozvoj totiţ nezávisí pouze na dopravní dostupnosti daného regionu. Je určován mnoha jinými a povětšinou dŧleţitějšími socioekonomickými faktory. Proto není vŧbec jednoduché rozlišit, které faktory (před)určují které. V našem případě si samozřejmě mŧţeme problém zjednodušit otázkou, zda nově vybudovaná rychlostní komunikace nějakým zpŧsobem změnila ekonomický status regionu, do kterého byla nově přivedena. Tato vědecká otázka však zdaleka není tak jednoduchá, jak by se mohla na první pohled zdát. Za prvé, v našich podmínkách je dopravní dostupnost na relativně dobré úrovni. Není proto moţné jednoduše srovnávat zlepšení dopravní dostupnosti regionŧ v České republice s příklady oblastí takřka nedostupných za horskými masívy či jinými překáţkami v rozvojovém světě. Na druhou stranu je ovšem moţné dojít výrazných zlepšení dostupnosti dobudováním dálniční sítě, která u nás není zdaleka kompletní, respektive propojená (na rozdíl od mnohých oblastí v západní Evropě či USA). Pokud bychom vzali v potaz absolutní změny v časové dostupnosti, bude se v zásadě jednat o zlepšení maximálně v řádu desítek minut. Tento progres jistě nemŧţe zaručit ekonomický rŧst regionu, městu, či obci. Dŧleţitá je ale i změna plynulosti, spolehlivosti a bezpečnosti dopravy. I proto na druhé straně stojí pohled starostŧ, hejtmanŧ (zřizovatelŧ prŧmyslových a rozvojových zón), kteří operují s poţadavkem kvalitního napojení na silniční (dálniční) síť jako podmínky ekonomického rozvoje jejich zájmového území. Naším úkolem v této situaci bude najít co nejvíce komplexní a syntetizující akademické přístupy z odborného prostředí s analýzou dostupných dat o ekonomické úrovni obcí a jejich dopravní dostupnosti a obsluţnosti. Přirozeně při posuzování vlivu nové komunikace, není moţné zŧstat pouze u vývoje ekonomických ukazatelŧ. Máme-li posoudit rozvoj v dané lokalitě, je bezpodmínečně nutné zaměřit se i na ukazatele společenské, respektive sociální. Případné pozitivní efekty dálnic, mohou totiţ ve skutečnosti při podrobnějším studiu skrývat negativní faktory. Například pokles nezaměstnanosti mŧţe ve skutečnosti skrývat sníţení počtu obyvatel, kteří se vystěhovávají do blízkého a

8

dostupnějšího jádra, a tím sniţují statistický základ populace, ze které se nezaměstnanost počítá. Další otázkou je, zda zvýšená dojíţďka do centra nezpŧsobila problémy domácím firmám, které tak přišly o kvalifikované zaměstnance? Zda a jak lokalizace nových firem v regionu souvisela se (zlepšenou) dopravní dostupností? Zároveň je přínosné zohlednit i vliv na trvalou udrţitelnost, potaţmo ţivotní prostředí a kvalitu ţivota, k čemuţ mŧţe výrazně přispět Enviromental Impact Assesment (EIA), prováděná ze zákona.

1.2 Cíle práce Na základě rešerše dostupné, jak zahraniční, tak české, literatury se pokusíme popsat a zhodnotit jednotlivé teoretické přístupy ke studiu vlivu dopravní dostupnosti na regionální rozvoj. Neměli bychom také opomenout historický exkurz do vývoje u nás, ale i v zahraničí. V historii byly totiţ komparativní výhody zlepšené dopravní infrastruktury (tehdy především ţelezniční) silnějším motorem (spillover) rozvoje měst méně významných vŧči silnějším konkurentŧm, neţ je tomu dnes. Cílem práce bude zjištění vztahu mezi dopravní dostupností a ekonomickým stavem na úrovni obcí České republiky. Podrobnější popis vymezení dopravní dostupnosti bude v metodologické části. Pro pochopení však uveďme alespoň základní informace. Ukazatele dopravní dostupnosti, jeţ budou zahrnuty do analýzy, budou vymezeny na základě dvou faktorŧ. Za prvé dopravní dostupnosti jako takové. To znamená vzdálenosti obcí ČR do svých středisek po silnici. A to jak vzdálenosti v km, tak časové, tak prŧměrné rychlosti, kterou je moţné se do střediska dostat. Za druhé to bude faktor dopravní obsluţnosti. Tedy úrovni spojení veřejnou hromadnou dopravou z obcí ČR do stejně vymezených středisek. Tyto ukazatele dopravní dostupnosti a obsluţnosti do vymezených středisek budeme srovnávat se socioekonomickými ukazateli pro tyto obce. Zde je na místě formulace naší výzkumné hypotézy. Obce s lepší úrovní dopravní dostupnosti a obslužnosti vykazují i lepší úroveň ukazatelů socioekonomického rozvoje regionu v ČR. V rigorózní práci se budeme věnovat konkrétně kvantitativnímu výzkumu zaloţenému na srovnání jednotlivých ukazatelŧ dopravní dostupnosti a obsluţnosti se socioekonomickými ukazateli. Některé ukazatele jsou pro rozvoj regionu více relevantní, jiné méně. Proto bude korelační matice doplněna komplexnější faktorovou analýzou. Z vybraných dopravních ukazatelŧ vymezíme na základě faktorové analýzy několik vysvětlujících faktorŧ, které pak následně budeme v regresní analýze srovnávat s faktory socioekonomickými. Analýzu dopravní dostupnosti budeme tvořit na úrovni dostupnosti mikroregionálních, mezoregionálních a částečně i makroregionálních center. Jedná se o nodální regiony vymezené na základě dojíţďky do zaměstnání v roce 2001 (Polyreg (1/2010, CpRR). Jako doplňující faktor analýzy srovnání úrovně dopravní dostupnosti a obsluţnosti se socioekonomickými ukazateli je výhodné pouţít jiţ vymezenou metodologii periferních a rozvojových regionŧ. Takovou metodologii nalezneme v budoucí Strategii regionálního rozvoje

9

České republiky pro období 2014 aţ 2020 (návrh). Zde se na základě sociálně ekonomické struktury obyvatelstva, polohového potenciálu jednotky a dynamiky socioekonomického vývoje jednotky v aktuálním období vymezuje 9 typŧ obcí od nejlepších po nejhorší. Typy z hlediska rozvojových znakŧ jsou kombinovány s ukazateli hustoty zalidnění a počtu obyvatel. Je velmi zajímavé konfrontovat předpoklady řešení regionálního rozvoje v České republice s našimi aktuálními daty. Pokusíme se proto zjistit, zda Ministerstvem pro místní rozvoj vymezené typy regionŧ korelují s námi vymezenými oblastmi lepší a horší dopravní dostupnosti a obsluţnosti. Budeme tedy ověřovat druhou doplňující výzkumnou hypotézu, která předpokládá, ţe: Periferní regiony vymezené ve strategii pro regionální rozvoj 2014-2020 vykazují horší dopravní dostupnost i obslužnost a naopak rozvojová území vykazují dostupnost a obslužnost lepší.

1.3 Vymezení území a časového období V případě všech analýz jak dopravní dostupnosti, tak socioekonomické úrovně se budeme zabývat celým územím České republiky do úrovně nejniţší moţné, tedy do úrovně obcí České republiky. V případě komplexního srovnání dopravní dostupnosti s úrovní socioekonomického stavu obcí jsme nuceni vynechat v jednotlivých úrovních samotná střediska, jelikoţ hodnotíme právě dopravní dostupnost do středisek. Znamená to, ţe v případě hodnocení dostupnosti mikroregionálních středisek vypadnou z analýzy právě tato střediska. Stejně je tomu i u dostupnosti mezo a makroregionálních středisek. Časovým obdobím, kterým se budeme zabývat, bude pokud moţno současnost. Znamená to, ţe se budeme snaţit vyuţít ta nejaktuálnější dostupná data. Naší výhodou bude moţnost vyuţití mnoha dat socioekonomické povahy pro obce ČR dostupné z posledního sčítání lidu (2011), další ekonomické údaje pouţijeme buď z roku 2012, nebo z roku 2011. Data za dopravní dostupnost po silnici jsou z roku 2012, kdeţto data o dopravní obsluţnosti obcí ČR jsou z roku 2010.

10

2 GEOGRAFIE DOPRAVY A EKONOMICKÝ ROZVOJ V KONTEXTU TEORETICKÝCH PŘÍSTUPŮ

2.1 Vybrané aspekty ze studia geografie dopravy Doprava jako fenomén je předmětem studia více vědních oborŧ. Obecně se jedná o vědy technické, ekonomické a společenské. Jak jsme jiţ zmínili výše, v naší práci se budeme věnovat pŧsobení dopravy v území, tedy hledisku geografickému. I přesto nemŧţeme opomenout ostatní přístupy. Máme na mysli především ekonomické teoretické přístupy, které do velké míry ovlivňují diskurz, jakým se geografie, a především ta ekonomická, ubírá. Naše práce se bude pohybovat, jak jiţ ze samotného názvu vyplývá, na hraně dopravní a ekonomické geografie. Dopravní geografii chápeme jako studium prostorových aspektŧ dopravy (Hall, 2010). Mnoho výzkumŧ v této oblasti je prováděno formou interdisciplinární spolupráce. Geografie integruje a syntetizuje rŧzné procesy a jevy, které se odehrávají v prostoru tak, abychom území mohli vnímat jako funkční jednotku s vlastními charakteristikami. I z toho dŧvodu se v naší práci pokusíme právě o tento integrující přístup ke studiu vlivu dopravy na vývoj regionu.

2.1.1 Historický exkurz Geografie dopravy byla dlouhodobě determinována technokratickými a pozitivistickými metodami. Kritická debata se rozšířila poté nejen v angloamerickém světě, ale i po Evropě. Dodnes se často vyuţívá ve studiu dopravně geografických jevŧ metodologické paradigma 60. let, jeţ mŧţeme nazvat obdobím tzv. prostorové vědy, nebo pozitivistickým obdobím. Tehdy hrála geografie dopravy prim mezi dalšími geografickými subdisciplínami (viz Ullmann, Högerstrand aj.). Často se jednalo spíše o popis vazeb (hodnocení dostupnosti aj.) méně však o snahu pochopit, jak tyto vazby fungují, jaké aspekty doprava ve společnosti ovlivňuje. Kritici připomínají v současné době poměrně nedostatečné zastoupení kvalitativních metod výzkumu, zastoupení interdisciplinárního přístupu – to znamená ne jen geografického, a vypořádání se s dopadem informačních technologií. Musíme si totiţ uvědomit, ţe při rozhodování, jakým dopravním prostředkem obyvatel regionu či města pojede, nehraje vţdy hlavní roli teorie racionální volby, jejíţ faktory bychom mohli agregovat a jednoduše měřit. Stejně tak nestačí pouhé vnímání a měření času. Jízda vlakem mŧţe sice trvat déle neţ autobusem, či automobilem, nesmíme ale opomíjet fakt, ţe kvalita jízdy se liší. Ve vlaku si cestující mŧţe odpočinout a mŧţe vykonávat pracovní činnost, z toho dŧvodu nevnímá čas strávený v dopravním prostředku jako velkou ztrátu. Nehledě na problém parkování v našich městech. Všechny tyto aspekty se snaţí v sobě integrovat sociologická produkce, pod jejímţ vlivem se vyvíjela i odborná produkce geografická. Jedná se především o studium tzv. reflexivní mobility, kde se mimo individuální vnímání kladŧ a záporŧ jednotlivých módŧ dopravy bere na vědomí i rostoucí vědomí ekologické stopy. Mobilita (ve smyslu dopravním nikoli sociálním) se

11

dostává do hledáčku sociologických prací s rostoucím zájmem o studium dopadŧ globalizace a chápe se jako projev sociálně konstruovaného pohybu obyvatel. V odborné literatuře se setkáváme s mnoţstvím teoretických článkŧ zabývajících se vývojem dopravní sítě, kontextem dopravy a regionálním rozvojem. Jiţ výrazně méně se ale setkáváme s praktickými studiemi o uţitečnosti či reálném dopadu dopravních staveb (např. do jaké míry a proč je potřebné vybudovat R 43 atd.). V této problematice se dají s výhodou pouţít rŧzné formy gravitačního modelu ve vztahu k potřebám reálného propojení. Pokud bychom parafrázovali Michela Foucaulta (Elden, Crampton 2007), tak právě výše zmíněný diskurz (např. diskurz prostorové vědy) ovlivňuje náš pohled na všechny procesy a věci a není tudíţ moţné dosáhnout objektivního pohledu. Tváří v tvář tomuto konstatování by bylo dobré si alespoň částečně definovat, co je v našem studiu diskurz, pod jehoţ optikou budeme problematiku studovat. Jaký je zpŧsob myšlení, který budeme v práci uplatňovat? Díky tomu se mŧţe celé studium částečně zpřehlednit a my si lépe ujasníme naše východiska. Z hlediska prostorové analýzy, kterou budeme v práci především vyuţívat, jsou pro nás klíčové prostorově determinující efekty dopravních systémŧ na uspořádání prostorové ekonomické organizace. Ty jsou zároveň klíčovým předmětem studia lokalizačních teorií jiţ od Von Thünenova prostorového modelu hospodářství (1826), který ilustruje obr. 1 na příkladu lokalizace ekonomicky náročnější zemědělské výroby lokalizované okolo hospodářského centra a podél dopravní spojnice (řeky). Tradiční lokalizační teorie je charakteristická deduktivní metodou analýzy začínající předpokladem plochého a jednotvárného území, na kterém je lokalizována ekonomická aktivita. Pozornost je přitom zaměřena na zjišťování vlivu vzdálenosti na lokalizaci. Dopravní náklady jsou pak vnímány jako zásadní vyjádření vzdálenosti (McKinnon a kol. 2008). A to i z toho dŧvodu, ţe se role fyzické vzdálenosti oproti dopravním nákladŧm v současné globalizované ekonomice výrazně sniţuje.

Obr 1: Von Thünenův prostorový model zemědělského hospodářství Zdroj: Hofstra University, 2013

12

2.1.2 Post-strukturální a postmoderní geografické přístupy Jestliţe se ještě jednou vrátíme k myšlenkám Michela Foucaulta, jako jednoho z velkých inspirátorŧ post-strukturální geografie, neměli bychom ve svém přístupu ke studiu vlivu dopravy na regionální rozvoj opomíjet roli moci ve vědění. Především v našich podmínkách je jasné, ţe publikace a příspěvky k tomuto tématu musí být do jisté míry ovlivněny všeobecným postojem ve společnosti. Hovořím především o příspěvcích z praxe, odborných posudcích pro veřejný sektor atd. Jak si podrobněji rozebereme níţe, dříve převládal v laické, ale i odborné veřejnosti názor, ţe nové rychlostní komunikace jsou nejlepším a nejjistějším zpŧsobem ekonomického rozvoje regionŧ. Jak se ale později ukázalo, problematika je daleko komplikovanější. Není sloţité vypozorovat, ţe určité skupiny mají eminentní zájem na nové infrastrukturní výstavbě. Její efekty na ekonomický rŧst jsou pak často přeceňovány, či jinak interpretovány. S tímto vědomím je dobré číst i některé publikace hodnotící vliv dopravních investic a především zkoumat jejich metodologickou stránku. Po jejich přečtení bychom totiţ mohli dojít k závěru, ţe je kaţdá dálnice uţitečná bez ohledu na její „vedlejší účinky“. V rámci diskurzu post-strukturální geografie mŧţeme vytvořit prostor pro zpochybnění „všeobecně“ rozšířeného názoru o uţitečnosti dálnic a rychlostních komunikací, respektive o dopadu lepší dopravní dostupnosti na regionální rozvoj. Ptát se, jak jsou rozloţeny pozitivní efekty a negativní externality dopravních investic ve společnosti, popř. v krajině? A potenciálně vytvořit i více radikální a kritická kritéria pro hodnocení dopadu takových investic, neţ obvyklá EIA nebo CBA, či jiné ekonomické analýzy. Integrace kvalitativních a kvantitativních dat je ovšem nesmírně sloţitá a její vypovídací hodnota často velmi sporná. Stejně tak hodnocení formou sofistikovaných modelŧ není vţdy nejlepší cestou k úspěchu. Často se dostáváme do situace, kdy model je spíše formou tzv. „black boxu“, kdy jednotlivé faktory, jeţ do modelu dosadíme, mohou interagovat mnoha rŧznými zpŧsoby a výsledek jejich zkombinování nemá prakticky ţádnou vypovídací hodnotu, jelikoţ v něm hraje roli příliš mnoho proměnných (Brunclík, Vorel 2009). Právě tento případ mŧţeme aplikovat na srovnání ukazatelŧ dopravní dostupnosti a ekonomické úrovně. Problematika socioekonomické sféry a její prostorové diferenciace je natolik komplikovaná a komplexní, ţe nelze jednoduše vysvětlit vztahem pouze s dopravní dostupností. Proto je otázkou, zda jsme schopni pouţít takové syntetické a komplexní ukazatele dopravní dostupnosti, jeţ by mohli korelovat s úrovní socioekonomické sféry. Postmoderní geografie, podobně jako poststrukturální geografie, nachází v současných geografických pracích největší uplatnění. Její definice není vŧbec jednoduchá. Mohli bychom ji však charakterizovat jako pluralitu přístupŧ kombinující rŧzné metodologické koncepty z předešlého vývoje v rámci vědecké disciplíny geografie a především i jiných disciplín (sociologie, ekonomie aj.). Jiţ z podstaty našeho tématu a dostupnosti relevantních dat je ale zřejmé, ţe se bude práce v rámci širokého spektra rŧzných metodologických a teoretických přístupŧ v geografii klonit ke kvantitativním metodám. V teorii by měla disertační práce částečně vycházet z konceptŧ New Growth Theory a tzv. „New Economic Geography“ (NEG), přičemţ jsme si vědomi, ţe NEG vychází především z prostředí ekonomie. Tím je zásadně ovlivněna a

13

tudíţ často marginalizuje sociální aspekty rozvoje. My jako geografové nemŧţeme však vnímat rozvoj z čistě ekonomického hlediska pomocí rŧzných matematických a regresních křivek ekonomických ukazatelŧ, jak tomu mnohdy v pracích vycházejících z NEG bývá. Uveďme například práce Krugmana a Venablese (1995) či Knaapa a Oosterhavena (2011). Nová ekonomická geografie se mŧţe jevit v některých případech jako nový obal na vcelku tradiční neoliberální řešení regionálního rozvoje, tj. aglomerování, odbourání bariér a řešení zaostalosti periferií ne jejich rozvojem, ale jejich napojením na centra (a to takřka na všech měřítcích). Při hodnocení regionálního rozvoje a dopravní dostupnosti si je nutné uvědomit základní metody hodnocení. Dopravní dostupnost (potaţmo dojezdnost) se vţdy vztahuje ke středisku určité úrovně. Je to tedy vztahový ukazatel. Derrida v tomto smyslu hovoří o tom, ţe kaţdá struktura (v našem případě struktura socioekonomická) spoléhá na centrum jako organizační princip (Mudroch 2006). Centrum mŧţe existovat pouze, pokud existují okraje (periferie). Tato metoda dekonstrukce určuje zároveň závislost centra na vyloučeném vnějšku a rozbíjí tak dříve pevně dané binární opozice. Je nutné si uvědomit, ţe rozvoj, který centrum zamýšlí provádět v periferiích, ať uţ formou nové infrastruktury, či jinak, není vţdy ve shodě s tím, jak by si svŧj vývoj představoval sám periferní region. V tomto smyslu mŧţeme zmínit Doreen Massey, která hovoří o „geografii odporu“ (Phelps 2008). Doreen Massey vidí předpoklad lokalizační teorie (viz výše) jako sporný. Lokalizační teorie podle ní generuje přesné (ekonomické) modely měřící prostorové vzorce na základě teoretických předpokladŧ volného trhu bez jakýchkoliv překáţek. Geografie odporu naopak studuje procesy vedoucí k marginalizaci v prostoru a k marginalizování určitých skupin obyvatelstva. Pro Eduarda Soju pak tyto marginalizované prostory vytvářejí dohromady určitý třetí prostor „Third place“. Prostor soupeření, odporu proti dominujícím tendencím (Minca, 2008). Samozřejmě v poměrech České republiky se jeví tato vyjádření jako poněkud nadnesená a zvláště vymezení perifernosti z námi studovaného dopravního hlediska jako moţná přehnané. Chápání investic do infrastruktury v optice centrum versus periferie však do jisté míry mŧţeme v České republice sledovat. Napojení obcí formou rychlostních komunikací na hlavní ekonomická centra (Praha, Brno, Plzeň), totiţ podporuje často spíše vyjíţďku z těchto obcí, neţli jejich skutečný ekonomický rozvoj, jak si ukáţeme v analytické části. Základní vědeckou otázkou v našem výzkumu bude, zda investice do dopravní infrastruktury (komunikací vyššího řádu) podporují ekonomický rozvoj v České republice. Pokud se zamyslíme nad danou vědeckou otázkou, je jasné, ţe sám vztah a definice ekonomického rozvoje je problematická. I z tohoto dŧvodu je jistá definice pojmu regionálního rozvoje, jak ho budeme v práci dále chápat, na místě. Regionální rozvoj chápeme jako zlepšení širšího souboru socioekonomických ukazatelŧ, které indikují vývoj nejen stavu místní ekonomiky, ale i podnikatelské aktivity, kvalifikace pracovních sil, úrovně vzdělání, bytové výstavby, demografických ukazatelŧ atd. V rámci endogenního přístupu rozumíme takový typ regionálního rozvoje, který se opírá o vyuţití vlastních hospodářských, sociálních a přírodních zdrojŧ. Primárně se snaţí o plné vyuţití a produktivitu vnitřních zdrojŧ. Teprve potom mŧţe vyuţít externí pomoci ve formě nové výstavby infrastruktury

14

aj. To znamená rozvoj místní ekonomiky, který je podpořen rozvojem infrastruktury. Nepředpokládáme regionální rozvoj primárně zpŧsobený exogenními činiteli (Stimson, Stough, Roberts, 2006).

2.2 Ekonomické teorie Pomocí níţe uvedených teorií se pokusíme stručně nastínit dva základní přístupy, které se budou naší prací prolínat a mezi nimiţ se budeme snaţit balancovat. Ekonomický rozvoj regionu, kterým se teorie zabývají, je totiţ stěţejní pro naši práci. Ekonomický rozvoj, jak ho budeme chápat my, je definován rŧstem ukazatelŧ ekonomické produkce (výrobních faktorŧ), zejména práce a kapitálu, rŧstem celkové produktivity výrobních faktorŧ, sniţováním nezaměstnanosti a zvyšováním příjmŧ. Pokud budeme uvaţovat, ţe ekonomický rŧst je podmíněn reálným rŧstem HDP, je dŧleţité si uvědomit, ţe tímto se nevytrácí chudoba (sociální rozdíly) ty se mohou naopak zvyšovat.

2.2.1 Neoklasický a neoliberální přístup Jako první z ekonomických přístupŧ uvádíme neoliberalismus, jehoţ vliv mŧţeme dodnes sledovat v politice státu u nás i v zahraničí pod vedením pravicových stran. Neoklasická teorie rozlišuje dvě hlavní sloţky regionálního rŧstu, jeţ budeme při hodnocení vlivŧ na ekonomický rozvoj regionu rozlišovat: - Krátkodobý růst, zaloţený na pohybu kapitálu a migraci. - Dlouhodobý růst, závislý na rŧstu kapitálu, populačním rŧstu a technickém pokroku. Eddington (2006) v tomto kontextu popisuje zásadní vliv dopravy na produktivitu, jelikoţ právě zlepšující se produktivita je klíčová pro dlouhodobý rŧst. Za nejefektivnější zpŧsob alokace zdrojŧ povaţují neoklasické přístupy pouhé pŧsobení trţních sil. Z toho dŧvodu by měly být státní zásahy minimální, jelikoţ tzv. „křiví trh“. Neoliberálové tedy předpokládají, ţe disparity nakonec zmizí, pokud budeme zvyšovat prostorovou mobilitu výrobních faktorŧ a tím i zdravou konkurenci (Hučka, Kutscherbauer, Tománek 2008). Proto je doprava tolik dŧleţitá. Dopravní dostupnost a obsluţnost není totiţ všude stejná. Dopravní náklady a přístup na trh se zásadně liší nehledě na další ekonomické faktory (vzdělanost a kvalifikaci pracovní síly, přírodní zdroje, aglomerační výhody atd.). Přesto někteří autoři v 60. letech dokazovali správnost neoklasického předpokladu samovolného vyrovnání rozdílŧ takto: např. J. G. Williamson (1965) ve své práci ukázal, ţe se rozdíly mezi regiony v období ekonomického rozvoje nejdříve zvětšují, ale po dosaţení určitého maxima se začnou sniţovat (citováno podle Blaţka, Uhlíře 2002). Vývoj v 70. a 80. letech 20. stol. však tyto závěry nepotvrdil. Všeobecně přijímaná konvergenční teorie je závislá na dvou předpokladech, na něţ nesmíme zapomínat:

15

-

Sniţující se návratnost kapitálu v prŧběhu ekonomického rŧstu (rŧst výroby bude menší neţ by byl adekvátní ve vztahu ke kapitálu). Technologický pokrok přinese zisk, který klesá s jeho akumulací (klesající návratnost investic)

2.2.2 Nová ekonomická geografie a nová teorie růstu Dalším přístupem, který výrazně ovlivňuje ekonomickou geografii poslední dekády je Nová ekonomická geografie (NEG). Ta se zabývá otázkou, jak vysvětlit proces ekonomické koncentrace (aglomerace) v prostoru. Proces aglomerace a clusterování probíhá však na rŧzných geografických úrovních (Fujita, Krugman, 2004). NEG se snaţí formou matematických modelŧ a simulací vysvětlit prostorové vzorce produkce při zvyšujících se ziscích, rozsahu výroby, variability produkce a sniţování dopravních nákladŧ. Zároveň srovnává varianty tras komunikací a jejich korelaci se změnami ekonomických ukazatelŧ v územních jednotkách, které protíná (Knaap, Oosterhaven 2011). NEG konstatuje, ţe sníţené dopravní náklady podporují koncentraci výroby do malého počtu center spíše neţ do více a disperzně rozmístěných v území (McKinnon a kol. 2008). Měli bychom se ovšem vyhnout slepému uplatňování matematických modelŧ jako přesného vyjádření podstaty jevu, jak to píše Arthur Sayer (2006). Navíc není v našich moţnostech uplatňovat v rámci geografické analýzy tyto velmi sloţité a sofistikované matematické a ekonomické (většinou korelační) modely. Přesto se pokusíme o základní korelační, regresní a faktorové analýzy dostupných dat, jeţ by nám měli pomoci pochopit korelační vztahy v prostoru. Matematické modelování ekonomické rovnováhy trhu (equilibria) přenecháme spíše ekonomŧm a matematikŧm. Pokud bychom měli srovnat vývoj v rámci NEG nesmíme opomenout prostředí, ze kterého se vyvíjela. Tím byla především tzv. „Traditional Trade Theory“. Ta zdŧrazňovala význam komparativních výhod jednotlivých odvětví, společností, či regionŧ v rámci volné soutěţe, jejichţ dŧsledkem byla často specializace jednotlivých regionŧ, protoţe zde převaţovaly lokalizační faktory výhodné pro určité odvětví. Například textilní prŧmysl koncentrující se ve střední a středozápadní Anglii také v dŧsledku dopravních investic nejprve v kanálové, později v ţelezniční dopravě atd. Naopak P. Krugman, drţitel Nobelovy ceny a autor „New Trade Theory“ (tato teorie pŧvodní „tradiční“ teorii rozvádí a aktualizuje) vysvětluje fakt, ţe je mnoho státŧ, které mají stejné podmínky, ale specializují se na rŧzné komodity. Vysvětluje i, proč se mnoho státŧ se zcela odlišnými podmínkami soustředí na stejné odvětví, ve kterém si silně konkurují. Stejně tak dováţí a vyváţí takřka identické zboţí. Tyto fakta vysvětluje úsporami z rozsahu na globální úrovni, kdy se odvětví specializují a lokalizují po celém světě. Na základě specializace a s tím spojené úspory z rozsahu spojené se sniţováním dopravních nákladŧ vysvětluje zvyšující se koncentrování obyvatelstva do měst a koncentraci podobných ekonomických aktivit do stejných lokalit. Nízké dopravní náklady spouští „sebeposilující“ proces, kdy rostoucí metropolitní populace vede k zvyšování velkovýroby, vyšším mzdám a v dŧsledku více diverzifikované produkci/dodávce zboţí. To zpětně stimuluje další migraci do regionu. Lokalizace je právě ten proces, jenţ nás

16

v rámci ekonomické geografie a jejího vztahu k dopravě zajímá nejvíce. Nehledě na stále rostoucí mobilitu a s tím spojenou nestálost kapitálu v rámci globální ekonomiky (viz např. Vernonova teorie ţivotních cyklŧ produktŧ či Flying Geese model od Kaname Akamatsu). Rozlišujeme dva základní směry. Směr tzv. Path dependency povaţuje za základní tendenci regionálního rozvoje divergenci a za základní příčinu meziregionálních rozdílŧ náhodu, přírodní podmínky, silný subjekt, či historickou událost. Naopak nová teorie endogenního růstu povaţuje konvergenci za základní tendenci rozvoje regionŧ. Příčiny regionálních rozdílŧ pak hledá ve vybavení regionŧ lidskými zdroji a technologiemi (Hučka, Kutscherbauer, Tománek 2008). Pro naši práci je dŧleţité, ţe většina teorií vycházejících z té neoklasické předpokládá, ţe sniţování dopravních nákladŧ vede k plynulejšímu, rovnoměrnějšímu a lepšímu fungování trhu. Umoţňuje tak překonávání nerovností na trhu a pohyb kapitálu, tím přispívá ke sniţování regionálních rozdílŧ a ekonomickému rŧstu, chcete-li regionálnímu rozvoji.

2.3 Neomarxistická geografie 2.3.1 Nerovnoměrný rozvoj (Uneven development) Hodnocení prostorového rozloţení určitých jevŧ velmi úzce souvisí s aktuálním konceptem nerovnoměrného rozvoje, který se dlouhodobě rozvíjí v západní literatuře. Jeho nejznámějším autorem je Neil Smith. Právě dopravní dostupnost je typickým příkladem nerovného přístupu obyvatelstva ke zdrojŧm a příleţitostem. Úroveň dopravní dostupnosti a obsluţnosti umoţňuje rozdílný přístup k pracovním příleţitostem, zásobování zboţím a rŧznými druhy sluţeb (včetně těch základních). Neil Smith (1990) chápe roli dopravních investic v ekonomice jako prostředek ke změně regionálních disparit. Problémem ovšem je, ţe podle Smithe kapitalistický systém pomáhá spíše těm, kteří jsou uţ silnější a bohatší. V praxi to pak znamená, ţe regiony s lepší dopravní dostupností, případně se zavedenou komunikací vyšší třídy, spíše vyjíţdí do nyní lépe dostupných center, neţ aby se na jejich území generovalo více pracovních míst a zvyšoval se podíl podnikatelské aktivity. Lepší dopravní dostupnost spíše napomáhá vyšší dojíţďce, potaţmo vyšší mobilitě obyvatelstva neţli ekonomickému rŧstu v místě samém. Neříkáme tím ovšem, ţe je to proces špatný. I tento efekt mŧţe pomoct ekonomice jako celku. Regionální disparity se sice spíše zvyšují, ovšem ekonomika mŧţe díky vyšší mobilitě obyvatel rŧst. Problémem pak jsou limitní faktory rŧstu, jako jsou kongesce a přehlcení v centrech. Efekty lepší dopravní dostupnosti tak chápeme v tomto kontextu spíše jako efekty distributivní, neţ efekty generativní. Jedná se ale jen o malý výsek reality. Tedy o hodnocení podnikatelské aktivity, počtu zaměstnavatelŧ, případně

17

nezaměstnanost (viz analytická část). Pokud bychom v kontextu lepší dopravní dostupnosti hodnotili bytovou výstavbu, výstavbu nových prŧmyslových a logistických parkŧ, byly by výsledky jiné. Geografické kontradikce mezi fixitou a mobilitou kapitálu popisuje ve své práci „The Geopolitics of Capitalism“ David Harvey (1985). Harvey chápe fixní kapitál (dálnice, silnice, ţeleznice, dálniční sjezdy, nová nádraţí atp.) jako fyzickou infrastrukturu, která vytváří infrastrukturu sociální, tedy mobilitu osob, dostupnost práce, dodávek a sluţeb. Harvey dochází k těmto závěrŧm na základě aplikace Marxovi teorie akumulace kapitálu do prostorového rozměru. Hovoří o sociální nerovnosti a fungování kapitalistické ekonomiky z prostorového hlediska, tedy o akumulaci kapitálu v centrálních oblastech, zatímco periferní oblasti postupem času stále více vŧči centrŧm svou pozici ztrácejí. Doprava, nebo dopravní dostupnost tak je podmínkou potřebnou pro rozvoj regionu, nikoliv však dostačující. Dŧleţité jsou spíše další faktory jako ekonomická síla regionálních center (vyjádřená např. počtem obsazených pracovních míst) a historická paměť regionu související s prŧmyslovou tradicí, tradicí podnikatelské aktivity, tradicí vzdělávacích institucí a mnoho dalších faktorŧ.

2.3.2 Prostorová spravedlnost (Spatial justice) Prostorová spravedlnost je další koncept, o který se mŧţeme opřít při hodnocení dopravní dostupnosti spojené s ekonomickou úrovní v prostoru. Koncept mŧţeme zjednodušeně charakterizovat jako propojení sociální spravedlnosti a prostoru. Uţ Henry Lefebvre (1977) napsal, ţe lidská společnost organizuje rŧzné prostory. Pokud budeme zkoumat tyto prostory, zjistíme, jakým zpŧsobem se projevuje spravedlnost a nespravedlnost ve viditelných a neviditelných strukturálních uspořádáních prostoru. Příkladem nám mŧţe být viditelné uspořádání města, které vychází z historie daného města. Pak pochopíme snáze, kdo vyuţívá nejlepší pozemky ve městě, a proč je rozloţení obyvatelstva ve městě takové, jaké je. Pouze při pochopení vztahu mezi prostorem a spravedlností jsme schopni vytvářet protiváhu těmto procesŧm a odpovědět na otázku, jak je moţné vytvářet prostor, který by byl více sociálně spravedlivý. Vyjádřením spravedlnosti v prostoru je mimo jiné i (dopravní) dostupnost sluţeb a pracovních příleţitostí. Především je to dopravní obsluţnost, která zajišťuje stejný přístup k základním sluţbám (dostupných ve větších střediscích) všem. Dŧvodem je fakt, ţe všichni nemají vlastní automobil a jsou tudíţ odkázáni na spojení veřejnou dopravou. Pokud tato doprava dostupná není v dostatečné míře, jsou méně mobilní lidé znevýhodněni. Edward Soja (2010) chápe největší rozdíl mezi Harveym a Lefébvrem v hlavních sociálních silách určujících produkci prostoru. Tyto síly prostorovými procesy. Naopak Lefebvre vztah sociálních a prostorových faktorŧ. utvářející společnost. „Sociální, časové

v Harveyho konceptu určují vztah mezi sociálními a dává dŧraz na více dialekticky balancovaný vzájemný Soja se snaţí převést pozornost na prostorové procesy a prostorové faktory utváří lidskou existenci stejně

18

významně a proto mají být povaţovány za stejně dŧleţité ve vědě i politice“ (Soja, 2010, s. 67-71). Jako právo kaţdého Soja chápe rovnou participaci na prostorových procesech, přístupnosti (dostupnosti), blízkosti měst (regionálních center), vyvarování se segregaci a rovný přístup k veřejným sluţbám, jako jsou zdravotnictví, školství aj. (Soja, 2010, 96-100).

2.3.3 Neomarxistická geografie a keynesiánské chápání „jádroperiferie“

V rigorózní práci budeme definovat základní problematiku, jeţ lze velmi dobře vztáhnout k neomarxistickým teoriím (v geografii) či keynesiánským (v ekonomii). Jedná se o dopravní dostupnost jako faktor nerovnoměrného rozvoje regionŧ. David Harvey v tomto smyslu chápe dopravu jako produktivní hodnotu a kapacitu překonávání bariér jako produktivní sílu. Vztah mezi neomarxismem a novou ekonomickou geografií mŧţeme také lehce nalézt právě v geografii akumulace kapitálu, lokalizace výrobních prostředkŧ, proces aglomerace atd. Příkladem nerovnoměrného rozvoje, kdy kapitalismus (formou sniţování bariér volného trhu) přispívá spíše k akumulaci kapitálu těch silnějších, mohou být právě i investice do dopravní infrastruktury (Neil Smith). Při vybudování nové dálnice totiţ paradoxně mŧţe dojít k tzv. tunelovému efektu, jenţ pomŧţe silnějšímu jádru a tzv. „vysaje“ region slabší (periferní). Na druhou stranu v lepším případě mŧţe taková investice zvýšit dojíţďku ze vzdálenějších regionŧ. Tito pracovníci pak své příjmy mohou reinvestovat ve svém bydlišti a zároveň tak časem mŧţe dojít k investicím výrobních kapacit i v periferním regionu. Dálnice tím ulehčí často přehlceným aglomeracím, jejichţ rŧst sama koncentrace ekonomických aktivit mŧţe brzdit (přehřátí ekonomiky), (Knaap a Oosterhaven, 2011). Neomarxistické teorie ale přeceňují roli společenských struktur (nerovnoměrný rozvoj povaţují za pouhé prostorové vyjádření nerovností ve společnosti). Na člověka se dívají především jako výrobce a podceňují jeho chování jako spotřebitele. Vychází z předpokladu divergence, jako podstaty kapitalistického systému, a tudíţ zdŧrazňují koncept nerovnoměrného rozvoje. V případě spojení periferie s centrem, či spojení dvou periferních regionŧ by totiţ podle některých teoretických přístupŧ mělo dojít v dŧsledku rozšíření trhu (do periferií) k povzbuzení rozvoje periferie a oslabení dominance jádra, přičemţ tento vývoj není lineární, nýbrţ má podobu U křivky (viz s. 10, Williamson, 1965). Regionální rozdíly tudíţ z počátku rostou aţ do té doby, neţ se objeví v rámci aglomeračních výhod určité ztráty z rozsahu (kongesce, přetíţení, nehospodárnosti). Pak začnou teprve klesat. Neomarxistické přístupy ovšem vidí spojení periferie s centrem spíše jako prostředek umoţňující periferii ekonomicky „vysát“. Keynesiánské teorie se liší oproti neoliberálním v základním pohledu na význam poptávky a nabídky v rozvoji ekonomiky. Keynesiánský přístup dává hlavní dŧraz na poptávku po zboţí vyráběném v daném regionu, která by se měla povzbudit, aby mohlo dojít k ekonomickému rŧstu. Narozdíl od neoklasických teorií, které upřednostňují dŧleţitost faktorŧ na straně nabídky (rŧst

19

kapitálu, pracovních sil a technologické změny). Základní tendencí v rozvoji je u tohoto přístupu divergence (Blaţek, Uhlíř, 2011). Zásadní je v tomto ohledu Teorie kumulovaných příčin. Ta odmítá neoklasickou hypotézu o přirozené tendenci vyrovnávání rozdílŧ skrze pŧsobení volného trhu. Pŧsobení trţních sil nesměřuje podle ní do stavu rovnováhy, ale ke zvyšování rozdílŧ a akumulaci kapitálu. V kontextu této teorie povede zvyšování dopravní dostupnosti a propojenosti spíše ke koncentraci kapitálu v metropolitních regionech, neţ ţe by přispělo k jeho redistribuci (Hučka, Kutscherbauer, Tománek 2008).

20

3

VYSVĚTLENÍ VYBRANÝCH

POJMŮ

NA

ZÁKLADĚ

REŠERŠE

LITERATURY 3.1 Dopravní dostupnost Dostupnost mŧţeme definovat v obecném smyslu jako obtíţnost/snadnost, s níţ mohou být z jistého místa dosahovány určité aktivity. Nicméně její úroveň je závislá na několika faktorech. Koncept dostupnosti v sobě zahrnuje de facto čtyři na sobě nezávislé komponenty – komponentu dopravní (dopravní systém a jeho charakteristiky), komponentu geografickou (charakter, velikost, kvalita a rozloţení poţadovaných aktivit v prostoru, v destinacích respektive centrech), komponentu časovou (časová dosaţitelnost aktivit) a komponentu individuální (individuální potřeby, schopnosti, úroveň mobility aj.). Pojem perifernost v tomto směru mŧţeme chápat jako území se špatnou dostupností (Seidenglanz 2011). V modelových územích mŧţe být měřena dostupnost pracovních center rŧzných úrovní individuální či hromadnou dopravou. Dostupnost mŧţeme chápat i jako potenciál příleţitostí pro interakci, jak jej chápe i Rietveld a Bruinsma (1998). Vyuţití analýz dopravní dostupnosti ve vztahu k analýzám regionálního rozvoje dŧsledněji rozvádí např. Guttiérrez, Gonzáles, Gómez (1996). Zhodnocení dopravní dostupnosti zahrnuje souhrn komplexních ukazatelŧ liniového, bodového charakteru, dopravních sítí, letišť, překladišť, křiţovatek, stanic, zastávek, hraniční přechody, čerpací stanice, prvky statické dopravy a mnohé jiné. V našem studiu ovšem nejsme schopni všechny tyto prvky pojmout. S klesajícím hierarchickým významem středisek klesá zpravidla i hierarchická úroveň komunikací (Dţupinová a kol. 2008). Pro inspiraci uveďme několik autorŧ, kteří nahlíţí dopravní dostupnost z rŧzných úhlŧ pohledu. Problematice dostupnosti administrativních středisek se na Slovensku věnoval především Michniak (2002). Později danou tématiku rozvinul Wieckowski, Michniak a kol. (2012) na příkladě polsko-slovenského pohraničí z hlediska dopravní dostupnosti a cestovního ruchu. Souvislostí s atraktivitou investic, mobilitou pracovní síly a aktivizací ekonomiky se zabývají podrobněji Vondráčková (2006), Marada a Hudeček (2006) a Kozlowski (2003). Výhody a nevýhody dopravní polohy zkoumaných regionŧ v České republice pak zkoumá např. Seidenglanz (2003) Výzkumem a aplikací modelů dostupnosti se zabýval podrobněji Hudeček (2008). Výhodou modelu dostupnosti pro individuální automobilovou dopravu (IAD) je jeho variabilnost. Opět se ovšem jedná o dostupnost vŧči konkrétnímu středisku, jeţ si musíme určit. Jednou sestrojený model se dá vyuţít pro další analýzy z jakéhokoliv místa atd. Transformace vzdálenosti na čas v modelech dostupnosti bývá provedena přiřazením prŧměrných rychlostí k příslušným úsekŧm silničních sítě a pouţitím jednoduchého vzorce pro výpočet jejich časové náročnosti: t = s / v / 1 000 [hod.], kde

21

t – výsledná časová vzdálenost jednotlivých hran, potřebná pro jejich projetí; s [m] – délka jednotlivých hran (úsekŧ silnic) oddělených uzly (křiţovatkami); v [km/h] – prŧměrná rychlost vozidel na jednotlivých úsecích komunikací v jednotlivých letech. Pozn.: hodnota „1 000“ je pouţita z dŧvodu převodu na kilometry, vzdálenosti jsou v atributových tabulkách uvedeny v metrech. Více viz Hudeček, Churaň, Kuffner (2011). Další moţností modelování dopravní dostupnosti mŧţe být přístup Maiera a kol. (2007). Jak mŧţeme vidět na obr. 2, model vyhodnocuje jednak dostupnost (mikroregionálních) center funkčních urbanizovaných území (FUA) individuální automobilovou dopravou (IAD), jednak dostupnost regionálních center vlakem po hlavních („koridorových“) tratích. Ostatní dostupnost nebyla zkoumána, jednak pro zjevnou časovou nekonkurenceschopnost hromadné dopravy vŧči IAD, jednak kvŧli enormní sloţitosti zpracování dat z jízdních řádŧ neumoţňující vyuţití výpočetní techniky. Na obr. 3 naopak mŧţeme sledovat vizualizaci dopravní dostupnosti polycentrického typu. Tmavší oblasti jsou ty, které jsou dostupnější z více mikroregionálních center a mají tudíţ největší multiplicitu voleb. V našem případě se pokusíme o podobnou analýzu avšak více komplexní. Bude se jednat o dostupnost všech obsazených pracovních míst (OPM) v okolí, kdy bude váţena nejen velikost center (prostřednictvím OPM) ale i vzdálenost od obce. Na rozdíl od dostupnosti pouze center mikroregionŧ, bude tato metodika díky vypracovanému softwaru univerzity v Utrechtu bliţší realitě.

Obr. 2 Potenciál růstu funkčního urbanizovaného území v zázemí center pracovních regionů

Obr. 3 Obslužná atraktivita území vyjádřená dostupností všech center pracovních regionů

Zdroj: Maier a kol, 2007

Dopravní dostupnost mŧţeme tedy chápat, jak ve smyslu konektivity prostředky hromadné dopravy (dále ji chápeme jako dopravní obsluţnost), tak formou překonávání bariér osobní automobilovou dopravou (buď prostřednictvím časové ztráty, nebo fyzické vzdálenosti v km). Hŧrský (1969, 1978 a, 1978 b) se zabýval moţnostmi studia dopravní dostupnosti. V této době se však jevily výzkumy bez moţností sofistikovanější výpočetní techniky jako příliš náročné. Dnes není problémem při vyuţití síťových analýz, tedy procesŧ vyuţívajících síť uzlŧ, jejich spojnic a dalších vlastností celého systému, analyzovat časovou dostupnost i pro rozsáhlá území. Naopak je tento proces méně

22

náročný neţ sledování dostupností veřejné dopravy vyuţívající jízdní řád (Hudeček, Churaň, Kuffner 2011). Další cestou je analýza rychlostní silniční dopravy doplněná o dopravu ţelezniční. Z hlediska dopravní dostupnosti mŧţeme za prvé pouţít ukazatele územní dostupnosti (center) – časové vzdálenosti spádových center. Dále mŧţeme zkoumat intenzitu vyjíţďky za prací z obcí ČR a její změnu v prŧběhu tří posledních sčítání lidu (1991, 2001a 2011) ve vztahu ke změnám v dopravní infrastruktuře, především v souvislosti s výstavbou dálniční sítě. Jako příklad změn v dopravní dostupnosti díky zavedení nové dálnice mŧţe slouţit obr. 10, který ilustruje změny časové dostupnosti obcí a podle ní obce kategorizuje vŧči hl. městu Budapešti. Při hodnocení socioekonomických charakteristik obcí je taková kategorizace velice praktická.

Obr. 4: Potenciál zlepšení dopravní dostupnosti obcí z Budapešti díky dálnici M6 a M56 v Maďarsku Zdroj: Monigl a kol. 2004

3.2 Dopravní obslužnost Dopravní obsluţnost je v podstatě podmnoţinou dopravní dostupnosti. Jedná se vlastně o sledování dostupnosti frekvenční, tedy konektivity jako součtu dopravních spojení mezi místy. Avšak smysl má i čas, respektive cestovní doba spojení. Vycházíme zde z počtu spojŧ veřejné hromadné dopravy, jízdních řádŧ, či informací od správcŧ informačních vyhledávacích systémŧ dopravních spojŧ (CHAPS s.r.o.). Studium dopravní obsluţnosti patří k jedněm ze základních součástí studia geografie dopravy. Stav dopravní obsluţnosti je společně se stavem technické dopravní infrastruktury určujícím katalyzátorem umoţňujícím interakce a vzájemnou komplementaritu mezi regiony. Přístupy ke studiu dopravní obsluţnosti se liší podle oborŧ. Z geografických přístupŧ zkoumajících prostorovou diferenciaci obcí podle jejich obsluţnosti zmiňme alespoň Maradu (2010) a Seidenglanze (2007). Druhým přístupem jsou dopravně technické vědy (např. Jacura, 2010), zabývajících se spíše technickými parametry dopravních systémŧ. Definice dopravní obsluţnosti se

23

pak mŧţe v rŧzných vědeckých pracích lišit. Zásadní je však v našem výzkumu legislativní rámec pojmu definovaný zákonem č. 194/2010 Sb., jeţ popisuje zajištění základní dopravní obsluţnosti obcí v ČR veřejnou dopravou (tedy zajištění základních denních potřeb). Legislativní rámec nám nemŧţe nepřipomenout koncept prostorové spravedlnosti a nerovnoměrného rozvoje. Vychází ze stejných principŧ a je vlastně jeho realizací v praxi.

Součástí definice práv občanŧ však není pouze zajištění přepravy osob, ale i přepravy zboţí, jak o tom hovoří právní předpisy Evropského společenství1, jinak řečeno logistické obsluhy území. Zejména v řídčeji osídlených oblastech je v zájmu státu zajistit funkční propojení konečného článku obchodu i malého a středního podnikání. V opačném případě mŧţe totiţ docházet. -

K růstu nezaměstnanosti (nefunkčnost vstupu a výstupu surovin a zboţí pro podnikatelskou sféru)

-

K odlivu pracovní síly mimo region (to klade nároky na dopravní obsluţnost v oblasti dopravy do zaměstnání)

-

K odlivu obyvatel z regionu do míst, kde je dostupnější zásobování a větší mnoţství pracovních příleţitostí (Svoboda 2006)

Dopravní obsluţnost je v současnosti aktuálním tématem, které se dotýká i široké veřejnosti. Po převzetí větší části (kromě dálkové dopravy) dopravní obsluţnosti krajskými úřady nastaly poměrně významné změny ve financování a organizaci veřejné dopravy. Často se však jedná o začarovaný kruh. Znevýhodněny jsou obce s malou populační velikostí. To podmiňuje malou ekonomickou efektivitu spojŧ a tak nutnost dotací z veřejných zdrojŧ. Nerentabilita vede k redukci málo vyuţívaných spojŧ. Při omezování spojŧ sníţená nabídka dále znevýhodňuje veřejnou dopravu a ta ztrácí svou pozici ve prospěch individuální automobilové dopravy. Sníţení počtu uţivatelŧ však dále sníţí rentabilitu spojŧ (viz např. Nutley 1998). Studiem dopravní obsluţnosti se v rámci svých prací zabývali geografové jiţ od 60. let. Hŧrský (1969) kupříkladu hodnotí státem podporovanou veřejnou dopravu v ČSR ve srovnání se zahraničními příklady a je rovněţ autorem podrobné regionalizace České republiky na základě dopravních vazeb (dopravní regiony), (Hŧrský 1978). Podobně také Kraft (2007) poměrně podrobně srovnává socioekonomickou regionalizaci, jejímţ autorem je Hampl s vlastní a Hŧrského dopravní regionalizací na základě analýzy spojení veřejné hromadné dopravy. Zároveň hodnotí podle vlastní metodiky úroveň dopravní obsluţnosti zkoumaných obcí, jejich vzájemné vazby a hierarchii dopravních středisek. Řehák (1994) naopak hodnotí obsluţnost spíše ve vztahu k prostorové struktuře. Oblast propojující problematiku periferních venkovských oblastí s popisem a porozuměním jejich zhoršené dopravní dostupnosti je přirozeným tématem geografických prací. Tématikou dopravní obsluţnosti především venkovských regionŧ se zabývají Zapletalová (1998) spolu s Maradou a Květoněm (2006), Seidenglanzem (2007) a Borutou a Ivanem (2010). Výsledky často hodnotí omezení spojŧ v prŧběhu transformačního období a jejich úbytek především v

1

Nařízení Rady č. 1107/70 ve znění pozdějších nařízení o poskytování pomoci v dopravě

24

odpoledních hodinách. Ze zahraničních prací zmiňme alespoň Nutleyho (1998) a Horňáka, Hurbánka, Michniaka a kol. (2008). Studium zabývající se dopravou a jejími dopady v prostoru musí zohlednit nejen teoretický pohled (např. teorii grafŧ), ale i právě pohled geografický. Nejdŧleţitějším základem v této oblasti jsou práce Hamplovy (např. Hampl 2005). Jak uvidíme i v naší práci, zásadní je interakce charakteru osídlení a dopravní obsluţnosti. Právě studiem dopravy ve vztahu ke geografické organizaci společnosti se zabývá Marada (2010) a Kraft (2009 a 2011). Za případové studie zmiňme alespoň Jansu (2004) zkoumajícího vztah k socioekonomickým ukazatelŧm na Náchodsku. Dalším přístupem pak mŧţe být hodnocení denních rytmŧ ve vztahu k dopravní obsluţnosti a vztahu k integrovanému dopravnímu systému (Hladík, 2007)

V tomto směru hraje ţeleznice svou nepostradatelnou úlohu. Především v rámci obsluţnosti obcí o víkendech. Stejně tak se stala ţeleznice (částečně politickým rozhodnutím) páteřní sítí integrovaných dopravních systémŧ, coţ přispělo i přes její dvakrát vyšší nákladnost oproti autobusové dopravě k zvýšení počtu cestujících a je v současnosti hlavní perspektivou vyuţití ţeleznice v osobní dopravě v České republice. Pro studium dopravní obsluţnosti mŧţeme s výhodou vyuţít metodiku z: Analýza dopravní obsluţnosti v obcích ČR, Brno, 2011, kolektiv autorŧ (viz seznam literatury). Ta na základě analýzy čtyř hlavních komponent dopravní dostupnosti kategorizuje obce České republiky. Analýza probíhá na čtyřech regionálních úrovních. Dostupnost administrativních středisek zkoumá dostupnost Obcí s rozšířenou pŧsobností a krajských měst. Dostupnost funkčních středisek představují mikroregionální a meziregionální střediska. Mikroregionální středisko je o minimální velikosti 1000 obsazených pracovních míst, které bylo současně cílem alespoň jednoho maximálního proudu pracovní dojíţďky z libovolné jiné obce. Mezoregionální střediska byla vymezena na základě agregace mikroregionŧ podle směru jejich pracovních proudŧ. Hodnotí se cestovní doba zprŧměrovaných a váţených spojŧ veřejné dopravy, počet těchto spojŧ za den, čas prvního odjezdu a posledního příjezdu spoje do dané obce. Přičemţ se uvaţuje dostupnost v pracovní den o víkendu. Metodika práce Kraftovy (2007) mŧţe být doplňující hodnocení o specifikaci ranní špičky, odpoledních odjezdŧ a večerních odjezdŧ ze střediska. Pro naši analýzu dopravní obsluţnosti budeme vycházet pouze z obsluţnosti v rámci funkčních regionŧ, tedy mikro a mezoregionŧ. Obsluţnosti do center ORP a krajských měst pomineme.

3.3 Role prostoru a dostupnosti v globalizované ekonomice Podle Viturky (2009) dochází v souvislosti s nástupem tzv. znalostní ekonomiky ke zvyšování významu pracovních faktorŧ (především kvality pracovních sil), enviromentálních faktorŧ a dále některých dílčích faktorŧ (zejména faktoru podnikatelské a znalostní báze a blízkosti trhŧ). Naopak k výrazné proměně dŧleţitosti dochází v rámci infrastrukturních faktorŧ. Nárŧst zaznamenává

25

především faktor informačních a komunikačních technologií (ICT)), který logicky souvisí s nehmotnou povahou informací jako základního typu interakcí uskutečňovaných v oblasti inovačních procesŧ. I přes vzrŧst jeho relativního podílu, ale v současném globalizovaném světě zaznamenáváme absolutně největší objemy přepravovaného zboţí v historii a i proto povaţujeme dopravní infrastrukturu za stále kruciální. Guliano (1988) k tomu píše, ţe pro mnoho firem je dŧleţitější přístup na mezinárodní dálniční síť a k hlavním letištím, neţ relativní přístup v rámci metropolitní oblasti. Specifickou skupinou faktorŧ reflektujících význam prostoru z hlediska kvality podnikatelského prostředí tvoří agregovaný faktor blízkosti trhů a infrastrukturní faktory (např. kvalita silnic a ţeleznic, blízkost letišť a informační technologie). Faktor blízkosti trhŧ ovlivňuje výši nákladŧ firem na externí trhy (export), zároveň ale zvyšuje konkurenci (import). Prostřednictvím infrastrukturních faktorŧ (díky jejich síťovému charakteru) je výrazně zlepšována kvalita podnikatelského prostředí zvláště podél dopravních tras mezinárodního významu. Kvalita infrastruktury pak ovlivňuje mobilitu obyvatelstva a prostorovou dělbu práce. V neposlední řadě hrají v současné globalizované ekonomice stále větší roli mezinárodní letiště a letecká doprava jako celek (především co se týče high-tech letecky dodávaných komponent) stejně jako největší mezinárodní námořní přístavy. Stejně tak rozvoj ICT technologií, které jsou však u nás v současnosti natolik zasíťovány, ţe jejich prostorové disproporce nehrají v regionálním rozvoji zásadnější roli. Jiná je přirozeně situace v rozvojových zemích. Spolehlivost dopravní sítě je velice dŧleţitá v současné globalizované době z dŧvodu just-in-time dodávek v prŧmyslu, v jejich rozhodování o lokalizaci hraje proto klíčovou roli. Nepředvídatelnost mŧţe zpŧsobovat podnikŧm obrovské finanční ztráty.

3.4 Mobilita Posledním pojmem, který bychom neměli opomenout zmínit, je jistě mobilita obyvatelstva. Mobilitu mŧţeme obecně povaţovat za jednu z nejdŧleţitějších charakteristik ekonomické aktivity, protoţe zabezpečuje fundamentální potřebu pohybu z jednoho místa do jiného. Doprava tedy jinými slovy spojuje dohromady faktory výroby a spotřeby a vytváří tak komplexní prostorovou síť vazeb mezi výrobci a spotřebiteli. Omezená mobilita přitom takovému rozvoji brání, zvýšená mobilita je naopak jeho katalyzátorem. Přitom je dŧleţité, ţe rŧzné ekonomiky (či jejich části) dosahují rŧzné úrovně mobility - tezi lze dokonce rozšířit na tvrzení, ţe dosaţená úroveň mobility je spolehlivým indikátorem úrovně rozvoje, respektive stupně modernizace společnosti (Seidenglanz, 2007) Geografie dopravy se poměrně úspěšně zabývá studiem dopravní dostupnosti a i z podstaty své pozitivistické tradice a dostupnosti dat je tato problematika prozkoumána poměrně dobře. Naopak mobilita, jako další nesporný faktor ovlivňující dopravní chování v prostoru je jiţ poněkud podceněna. Hlavní příčinou je právě nedostatek relevantních dat. Máme k dispozici výsledky ze

26

sčítání lidu, či celostátního sčítání dopravy (CSD) prováděného Ředitelstvím silnic a dálnic prováděného v pětiletých intervalech. Sčítání lidu poskytuje především údaje o dojíţďce obyvatel za prací a do škol do úrovně obcí. Výsledky celostátního sčítání dopravy 2010 (CSD 2010) poskytují informace o intenzitách automobilové dopravy na dálniční a silniční síti ČR v roce 2010 a navazují na výsledky z předchozích CSD (2005 a starší). Na dálnicích jsou intenzity dopravy stanoveny zejména pomocí údajŧ z automatických detektorŧ dopravy. Podrobná skladba vozidel je odvozena z doplňkových ručních prŧzkumŧ podle termínŧ CSD 20102. Výsledky ovšem nejsou vţdy zcela relevantní. V jiných zemích je situace poněkud lepší díky provádění tzv. mikrocensŧ (např. Švýcarsko). Jsou měřeny kaţdodenní časoprostorové aktivity u zhruba 20 000 respondentŧ. Naopak ve Velké Británii provádí státní „ústav dopravy“ tzv. National Travel Survey, který uvádí výsledky za osobní dopravu. Některá města provádí mikrocensy za účelem zjištění směrŧ odkudkam osoby projíţdějící jejich městem jedou. Z dosavadních výsledkŧ přitom vyplývá, ţe výrazně větší podíl mají cesty za osobními preferencemi (nahodilé potřeby, sluţby, zábava aj.), ne však pracovní potřeby.

2

Na silnicích jsou intenzity dopravy stanoveny z výsledkŧ ručních prŧzkumŧ podle termínŧ CSD 2010 pomocí přepočtových koeficientŧ variací intenzit dopravy. Oproti předchozím CSD (2005 a starším) byly koeficienty zpřesněny a více diferencovány podle charakteru provozu na komunikaci. Uváděné hodnoty jsou ročním prŧměrem denních intenzit dopravy (RPDI) ve vozidlech za 24h. Nákladní vozidla s přívěsy a tahače s návěsy se na rozdíl od předchozích výsledkŧ CSD počítají za jedno vozidlo. Zdroj: ŘSD, dostupné na: http://scitani2010.rsd.cz/pages/informations/default.aspx, citováno dne 30. 1. 2012

27

4 ROLE DOPRAVNÍ INFRASTRUKTURY V REGIONÁLNÍM ROZVOJI Na základě dostupných studií mŧţeme předpokládat, ţe v dŧsledku lepší dopravní dostupnosti dochází k rozdílné dynamice v rámci jednotlivých odvětví ekonomické činnosti. Některá odvětví mohou rŧst, zatímco jiná, především v dŧsledku relokace, mohou klesat, či z regionu zcela odejít. Toto jsou distributivní dopady zlepšené dopravní dostupnosti v území. Navíc nesmíme zapomínat na fakt, ţe rychlostní komunikace podporuje zpravidla rŧst v obcích, kterými prochází, naopak ekonomicky „vysává“ obce přilehlé. Z toho vyplývá, ţe ačkoliv region mŧţe jako celek teoreticky rŧst, v rámci něho samého se disparity mohou prohlubovat. Nebo naopak mŧţe díky nové infrastruktuře dojít pouze k relokaci ekonomických činností v rámci niţší regionální úrovně, přičemţ zkoumaný makroregion jako celek mŧţe dokonce ekonomicky klesat. Poslední otázkou, jíţ bychom se mohli v práci zabývat je tvrzení, ţe investice do infrastruktury představují ty s nejvyššími multiplikačními efekty. Tento fakt lze poměrně zjednodušeně zhodnotit meziodvětvovou analýzou typu input-output, kdy srovnáme náklady na danou stavbu s nárŧstem produkce (národního dŧchodu) v daném regionu. Problémem však je zvolené měřítko a především velice komplikovaná dostupnost přesných technických a ekonomických dat nutných pro výpočet Cost-Benefit analýz, nehledě na sloţitost ekonomických rovnic a modelŧ pro tyto účely vyuţívaných. Všeobecně jsou jedněmi z hlavních dŧsledkŧ změn dopravní dostupnosti dopady na trh práce ve směrech a intenzitě dojíţďky za prací a v (e)migraci v daném regionu. Všechny tyto údaje se pak týkají vesměs nemetropolitních, tedy venkovských regionŧ, jejichţ poloha se určuje relativně vzhledem k určitým centrŧm (Gateways), jeţ umoţňují přístup k širším trhŧm a větší poptávce. V případě metropolitních regionŧ by bylo hodnocení vztahu dané problematiky poněkud problematičtější. Přesto by zřejmě zásadním ukazatelem zŧstávala relativní poloha vŧči ostatním, řádovostně stejným či vyšším, střediskŧm. Výhodou sice pro nás budou aktuální dostupná data z posledního sčítání lidu z roku 2011. Bohuţel však zatím jsou dostupná data pouze o vyjíţďce, nikoliv o dojíţďce. Význam dopravy zdŧrazňují ve svých pracích uţ tvŧrci teorií regionálního rozvoje, zejména němečtí ekonomové von Thünen, Weber, Christaller, či Lösch. Jedná se především o lokalizační teorie, jeţ nás v našem výzkumu budou především zajímat. Vycházejí z klasických ekonomických teorií a staví význam dopravních nákladŧ na čelní příčky tzv. lokalizačních faktorŧ (např. nových prŧmyslových závodŧ atd.). Santos a kol. (2010) v tomto kontextu za prvé tvrdí, ţe dopravní investice zvyšuje zaměstnanost a produktivitu nejen nových zaměstnancŧ, ale i pŧvodních zaměstnancŧ, kteří nyní získávají benefit z širšího dosahu městské aglomerace (aglomeračních efektŧ). Za druhé vyšší (městská) produktivita je spojena s vyššími náklady na dojíţďku, vyššími nájmy, mzdami a příjmy z daní. Při zahrnutí těchto ziskŧ, povaţuje (Venables 2007) rozdíl mezi investicemi státu a následnými zvýšenými příjmy z daní za pozitivní.

28

Na druhou stranu má doprava a její rozvoj i velké mnoţství externalit, jeţ se v současné době dostávají stále více do zorného pole rŧzných autorŧ v zahraničí i u nás. Poměrně podrobně vyjmenovává a popisuje negativní (především environmentální) externality dopravy a moţnosti jejich regulace Santos a kol. (2010) a v našem prostředí Brŧhová-Foltýnová (2009). Tight a kol. (2004) se zaměřují především na oddělení rŧstu dopravy od ekonomického rŧstu, jenţ se jeví jako pevně spjatý. Zkoumají efekt ekonomického zatíţení neekologických zpŧsobŧ dopravy (započítání negativních společenských externalit). Ve svém příspěvku mimo jiné ukazují, ţe se v Evropské unii uplatňují dvě politiky regulace dopravy. První je redukce dopravní intenzity v ekonomice, coţ ovšem mŧţe mít vedlejší efekty na ekonomiku samu. Druhý zpŧsob je redukce enviromentální zátěţe samotné (např. emisí, hluku, či jiných negativních efektŧ). Na úrovni Evropské komise se částečně zabývá potřebou „rozbití“ závislosti mezi ekonomickým rŧstem a rŧstem objemu dopravy Bílá kniha (2011). Ta vidí potenciál v podpoře Car Sharingu, podpoře multimodální meziměstské dopravy a přepravy a podpoře vysokorychlostních propojených ţelezničních sítí (TEN-T). V letecké dopravě je třeba usilovat o zlepšení účinnosti letadel a uspořádání provozu. Zásadním úspěchem je v tomto směru úspěšné dokončení iniciativy „Jednotné evropské nebe“. Další potenciál je ve zvyšování účinnosti dopravy a vyuţívání infrastruktury prostřednictvím informačních systémŧ a trţně orientovaných stimulŧ. V neposlední řadě pak v rozumném stanovování cen a financování moderní infrastruktury. Těmto faktorŧm zatím ovšem v našem výzkumu pozornost věnovat nebudeme, protoţe moţnosti naší práce jsou omezeny jejím rozsahem. Názory geografŧ a ekonomŧ na roli dopravní infrastruktury v ekonomice nejsou jednotné. Pozitivní efekt je spatřován převáţně ve zvýšení výrobních činností, neutrální v tom, ţe výrobu a s tím spojený ekonomický rŧst nevytváří infrastruktura přímo a nezávisle. Příkladem mŧţe být ekonomický rŧst Indie a Číny. Tyto dvě země zvolily odlišnou politiku podpory ekonomického rozvoje. V Číně došlo za posledních dvacet let k masivním investicím do dopravní infrastruktury. Čína ekonomicky roste nejrychleji ze všech velkých ekonomik BRIC (Brazílie, Rusko, Indie a Čína) a zlepšování dopravní dostupnosti ve státě tak jistě podporuje i ekonomický rŧst. Naopak v Indii jsou investice soustředěny spíše do lidského kapitálu, doprava je přitom výrazně zanedbávána. Ročně roste poptávka po dopravní infrastruktuře v Indii zhruba o 10 % a pro udrţení ekonomického rŧstu jsou zásadní zlepšení dopravní infrastruktury v současnosti nezbytné. Doprava se stala limitujícím faktorem rozvoje stejně tak irské ekonomiky, jeţ díky rychlému přílivu přímých zahraničních investic rostla daleko rychleji, neţ na to státní politika stihla reagovat. Výsledkem byly silné kongesce v okolí přehuštěných prŧmyslových a rezidenčních aglomerací (Eddington 2006). Jako výrazný negativní vliv dopravní infrastruktury je chápána značná finanční náročnost na její vybudování a relativně malá návratnost nákladŧ do ní vloţených. V kontrastu k tomuto faktu ovšem musíme uvést, ţe vnitrozemské rozvojové země (například v Africe) s velmi komplikovaným přístupem na trh, rozumějme především dopravním napojením na hlavní přístavy, vykazují aţ o 50 % vyšší dopravní náklady, neţ srovnatelné přímořské ekonomiky. Studie jako Venables a Limao (2002) pak dokazují, ţe tyto vysoké dopravní náklady ničí jejich exportní moţnosti a výrazně brzdí jejich ekonomický rŧst.

29

V následujících podkapitolách se pokusíme rozdělit problematiku do několika vybraných samostatných oblastí a na základě kritické rešerše literatury je podrobněji popsat. Jedná se přirozeně pouze o vybraná podtémata.

4.1 Dopravní politika ČR V současnosti v České republice není zřejmá koncepční dopravní politika. Kde bychom se dočetli, které dopravní stavby ekonomika České republiky potřebuje, které jsou prioritní a především proč. Výstavba nové dopravní infrastruktury vychází spíše z administrativní připravenosti jednotlivých projektŧ, ne jejich potřebnosti. O tom svědčí mnohé dopravní stavby nemající dopravní napojení, ekologické nadchody v blízkosti mostŧ a další příklady nehospodárného vyuţití státních prostředkŧ. Chybí často mikroekonomický přístup doplněný o sociální rozměr studia návazných jevŧ, jeţ dopravní stavba ovlivní (srovnání externalit, nákladŧ a přidané hodnoty). Návratnost investic do výstavby dálnice samozřejmě není moţné počítat pouze formou nákladŧ a ziskŧ. Pak by ţádná dálnice nedosáhla návratnosti ani do 30 let. Ovšem při zohlednění časových úspor a bonifikaci dalších navázaných jevŧ se benefit výrazně zvyšuje.

4.2 Silniční doprava Silniční doprava hraje zásadní roli v ekonomikách západních zemí. Postupem času narostl velice rychle její význam i v ekonomikách tranzitivních a transformujících se jako je i Česká republika. Roku 2004 byl podíl osobokilometrŧ převezených po silnicích 89 % v USA a 85 % v EU-25 (Eurostat 2007 in Santos a kol. 2009). Roku 2003 pak podíl tunokilometrŧ převezených po silnicích tvořil v USA 33,4 % a 72 % v EU-25 (Eurostat 2007 in Santos a kol. 2009). Tato čísla jen ilustrují jakou pozici má silniční doprava v Evropě, ale i u nás, vzhledem k ostatním druhŧm dopravy. Česká republika vykazuje rychlý rŧst automobilizace zvláště od počátku 90. let 20. století. Podobně jako motorizace rostly i dopravní výkony. Nákladní doprava rostla více neţ doprava osobní. Např. mezi lety 1995 a 2000 rostla o 40 procentních bodŧ ve vozokm. Výrazně nejvíce přitom narostl dopravní výkon na dálnicích oproti komunikacím niţších řádŧ (v tomto období o 65%). Z toho nákladní doprava o 140 % a osobní doprava o 44 % (Brŧhová-Foltýnová 2009). Jak jsme si jiţ řekli výše, je silniční doprava vzhledem k ţeleznici a jiným druhŧm dopravy dominantní, proto se podrobněji v kapitolách č. 4.4 a 4.5 zabývajících se vztahem ekonomiky a dopravy budeme fakticky bavit o dopravě ve smyslu dopravy silniční.

30

4.3 Železniční doprava Role ţelezniční dopravy se v historii výrazným zpŧsobem měnila. V Zemích Koruny české nastává období největší intenzity výstavby ţelezničních tratí v sedmdesátých letech 19. stol, následně pak ještě na počátku století 20., ovšem jiţ spíše v rámci lokálních tratí, zajišťujících dostupnost i řídčeji osídlených regionŧ. V tomto období hrála ţelezniční doprava zcela zásadní roli v regionálním rozvoji u nás. Dŧvodem byla její inovativnost. Zavedením ţeleznice se výrazně měnila časová dostupnost jednotlivých měst napojených na ni. Zpočátku dŧleţitější byla ovšem její kapacita v rámci převozu nákladŧ, jeţ do té doby neměla v pozemní dopravě obdoby. Z toho dŧvodu zavedení ţeleznice v 19. století pŧsobilo jako znatelný akt regionálního rozvoje. V teoriích regionálního rozvoje jsou často uváděné příklady dvojic měst s podobnými výchozími podmínkami (počtem obyvatel, ekonomickými ukazateli atd.), jejichţ vývoj ovlivnila ţeleznice. V našich podmínkách jsou to například Ostrava-Opava, Mikulov a Břeclav, Chrudim a Pardubice, Blansko a Boskovice a jiné3 (viz obr. 6).

Obr. 5: Příklad Pardubic a Chrudimi jako dvou měst s historicky podmíněným rozdílným rozvojovým potenciálem v souvislosti s železnicí. Ilustrace změn populační velikosti za sledovaná léta Zdroj: Kunc, J., Krylová V. (2005)

Od rozpadu Rakouska-Uherska se výstavba ţeleznic prakticky zastavila. Její podíl klesá ve prospěch silniční dopravy. I její role v rámci regionálního rozvoje postupně klesá. Postupně se v roli dostupnosti více a více prosazuje silniční doprava a ţeleznice ztrácí na své výlučnosti. Její pozice výrazně ustupuje i v nákladní dopravě. Vedle určitého útlumu nové výstavby dochází v období první republiky k zestátnění, coţ do jisté míry brzdí inovace a ţeleznice se vŧči rychle se rozvíjejícím konkurenčním druhŧm dopravy stává postupně méně konkurenceschopnou (Seidenglanz, 2006, Kvizda, 2005). Trend se poněkud obrací po nástupu socialistického reţimu. 3

Podobné příklady určující rozvoj největších metropolí na západě souvisejí také s rozvojem dopravy (někdy ovšem

námořní). Například zavedení vnitrozemského Erijského kanálu spojujícího prŧmyslovou oblast velkých jezer s východním pobřeţím USA, jeţ díky této komparativní výhodě umoţnilo pozdější ekonomickou dominanci New Yorku (Wheeler, Muller 1981).

31

Stát podporuje ţeleznici nejen v osobní dopravě, ale její podíl roste především v nákladní dopravě. Nákladní doprava v 80. letech dosahuje aţ čtyřnásobného zvýšení oproti objemu dopravy z konce 30. let. Dominance nákladní ţelezniční dopravy ovšem nepřispívala k jakýmkoliv inovacím, spíše stav sítě konzervovala, či v komparaci vŧči ostatním druhŧm dopravy zhoršovala. Malá rychlost na tratích společně s malou flexibilitou a dalšími faktory následně po uvolnění trhu vedla k rapidnímu poklesu podílu nákladní ţelezniční dopravy na objemu přepraveného zboţí. Podobný trend mŧţeme sledovat i u osobní dopravy. Vedle výše zmíněných endogenních faktorŧ stavu ţeleznice nemŧţeme opomenout i faktory exogenní. Seidenglanz (2006) v tomto směru hovoří o změnách vzorcŧ chování ve společnosti, změnách ţivotního stylu, ekonomické transformaci společnosti, či konkurenci ze strany ostatních druhŧ dopravy. Ekonomická transformace v České republice zpŧsobila výrazné změny v prostorovém uspořádání a významu jednotlivých ekonomických činností. Dříve silně podporovaný těţký prŧmysl ztrácí na významu a s ním i významný zákazník ţelezniční dopravy. Naopak zásadně narŧstá podíl sektoru sluţeb na trhu práce. Změny ţivotního stylu mají za následek prostorovou dekoncentraci obyvatelstva a pracovních příleţitostí. Tomuto tématu se věnuje mnoţství geografických prací zabývajících se rezidenční i nerezidenční suburbanizací a jejímu vztahu k prostorové mobilitě obyvatel (např. Sýkora 2002, Urbánková a Ouředníček 2006, Mulíček 2002, Marada 2006). Suburbanizace společně se zvýšením podílu terciérního sektoru vede k dekoncentraci dopravních proudŧ, a s tím i k sníţení potenciální vyuţitelnosti kapacitní ţelezniční dopravy. Nehledě na dostupnost osobních automobilŧ, které ve srovnání s vlaky vykazují tyto konkurenční výhody: rychlost, flexibilitu, pohodlí, soukromí/intimitu a bezpečí (McBride 1996). Jak jsme jiţ zmínili, ţelezniční síť je i přes mnohé rekonstrukce, zdvojkolejnění atd. bohuţel nastavena na úroveň techniky konce 19. století. Navíc se výrazně změnily dopravní proudy (tehdejší konfigurace sítě přizpŧsobená transportu uhlí, tehdejší struktuře osídlení atd.) i konstrukce vozidel. Není proto vŧbec jednoduché zvýšit konkurenceschopnost ţelezničních tratí v současném vysoce konkurenčním prostředí, pro něţ jsou nejdŧleţitějšími faktory časové a finanční náklady. Ačkoliv by ţelezniční doprava mohla být energeticky nejúspornějším řešením v dopravě, muselo by to s sebou nést obrovské náklady na výstavbu nové (vysokorychlostní) sítě a vývoj a nákup nového vozového parku, který je v současnosti v drtivé většině 30 aţ 50 let starý. V případě nově budovaných vysokorychlostních tratí musíme vzít v úvahu fakt, ţe jejich smyslem je spojování (evropských) metropolitních regionŧ (viz politika TEN-T). Bude se tudíţ zvyšovat fakticky pouze kvalita spojení těchto městských regionŧ, nikoliv jejich kvantitativní význam v síti evropských měst. Z tohoto dŧvodu je role ţelezniční dopravy v ekonomickém rozvoji regionŧ České republiky v současnosti spíše marginální. V problematice dopravní obsluţnosti ovšem doprava stále hraje velmi výraznou roli, jak si později ukáţeme na příkladu analýz veřejné hromadné dopravy. Ţeleznice umoţňuje lepší dopravní spojení obcí, které obsluhuje, jelikoţ zajišťuje pravidelnější spojení a to i o víkendech. Podrobněji se tomu budeme věnovat v analytické části. Výše zmíněné však rozhodně neznamená, ţe bychom měli opomíjet roli ţeleznice v historickém vývoji a na jejím příkladu lépe pochopit roli dopravy v současné ekonomice. Nehledě na to, ţe

32

ţelezniční doprava má jistě stále rozvojový potenciál v intermodální dopravě, jejíţ role v současné globalizované ekonomice stále roste. Především v zapojení ţeleznic v kontejnerové dopravě v rámci globální dostupnosti velkých prŧmyslových podnikŧ atd.. Podobně i mnoho prŧmyslových zón a podnikŧ výrazně sniţuje dopravní náklady při vyuţití ţelezničních vleček. Tato problematika je ovšem individuální a na podrobnější diskusi.

4.3.1 Železniční doprava a regionální rozvoj Jak píše Kunc a Krylová (2005), ţeleznice v současné době jiţ má na další rozvoj či úpadek regionŧ prakticky mizivý dopad. Přesto má ţeleznice velký potenciál v rámci trvale udrţitelného rozvoje regionŧ. Dŧvodem je především její relativní úspornost při vysoké obsazenosti a role v dopravní dostupnosti mnoha regionŧ, o čemţ svědčí mnohé protesty obyvatel při rušení lokálních tratí či jejich privatizace a provoz v rámci soukromých společností (např. Viamont v severních Čechách nebo Veolia Transport Morava a.s. provozující ţeleznici Desná)4. Ţelezniční doprava měla zásadní vliv na rozvoj prŧmyslu ale i zemědělství. Umoţnila právě specializaci jednotlivých regionŧ díky tomu, ţe uţ nebylo nutné, aby byl kaţdý region soběstačný. Ţeleznice zajistila také dopravu a zaměstnání sezónním zemědělským dělníkŧm do úrodných níţin Moravy, Dolního Rakouska a Uherska. Sama výstavba pak vedla k rozvoji celých pododvětví na ni napojených, hutnictví na Ostravsku, Třinecku a jinde a dala moţnost práce dalším tisícŧm lidí. Tito dělníci se pak často u tratě, kterou stavěli, usazovali a dávali podnět pro stavební i populační rozvoj. Na dráhu byly pomocí vleček napojovány významné továrny (Kunc, Krylová 2005). Ţeleznice do určité míry odstranila nedostatek potravin, vyrovnávala ceny plodin v jednotlivých krajích. Dá se říci, ţe tak zpočátku přispěla k vyrovnávání meziregionálních rozdílŧ. Proti tomuto tvrzení stojí fakt, ţe ţeleznice následně postupem času poměrně rychle přispěla naopak k prohloubení meziregionálních rozdílŧ tak, jak to povaţují představitelé teorií růstových pólů „jádro-periferie“ (F. Perroux 1950 in Blaţek, Uhlíř 2002) za obvyklé viz výše. Trasa ţeleznice byla sice zpočátku primárně vedena za účelem jiným neţ dopravy osob (především doprava soli, později uhlí, zemědělských a prŧmyslových komodit, vojska atd.) přesto byla primárně vedena do velkých měst (Pavlíček, 2002). Přispívala tak k rozevírání nŧţek mezi metropolemi (metropolitními regiony) a ostatním územím. Přispívala k jejich populačnímu administrativnímu a ekonomickému rŧstu. Přičemţ tyto rŧstové póly se staly opěrnou sítí pro další rozvoj nadřazené ţelezniční sítě ne však ve stejné míře nadřazené administrativní sítě. Lze však zaznamenat i případy, kdy efekty ţeleznice měly na území negativní dopady. To je zvláště případ řady lokálních tratí, které často usnadnily odliv významných aktivit z přiléhajících regionŧ do jádrových oblastí, a zvýšily tak polarizaci území (např. Moučková 2006 in Marada, 4

Podobně Evropská komise povaţuje rozvoj vysokorychlostní evropské ţelezniční sítě za jednu ze svých priorit, viz

např. projekt TEN-T (European Commission 2001, European Commission 2006).

33

Květoň, Vondráčková 2006), podobně jak se to nyní děje u mnoha nových silničních investic viz níţe.

4.4 Dopravní infrastruktura a její dopad na ekonomický rozvoj Banister a Berechman (2001) a (2012) rozlišují čtyři základní situace vztahu dopravy a ekonomického rozvoje na regionální úrovni, podle pohybu na hypotetické ose dostupnosti a ose dynamiky ekonomického systému. Ekonomický rŧst se tudíţ nemŧţe nastartovat pouhým zlepšením na ose dopravní dostupnosti, nýbrţ nutně potřebuje i přítomnost potřebných ekonomických a politických podmínek. Otevřené dynamické systémy Ekonomika zaloţená na samozásobitelství, závislá na přírodních podmínkách investice do dopravy je důležitá a bude mít maximální efekt Nedostupnost Dostupnost je dobrá okolo hlavních tahŧ, region je kromě jednotlivých křiţovatek v recesi další investice budou mít malý dopad na rozvoj

Stagnující, či klesající ekonomika samo dopravní napojení situaci nezlepší Dostupnost Mezinárodní a národní trh se silným potenciálem pro další rŧst - dopravní investice jsou na poměrně vysoké úrovni a podporují ekonomický růst, ale nejsou nezbytnou podmínkou

Zavřené statické systémy Eddington (2006) dodává tyto podmínky, za kterých mŧţe investice do dopravy přispět ekonomickému rŧstu - Zralost ekonomiky a kvality dopravní sítě - Určitý stupeň efektivity řízení (provozu) dopravní sítě -

Přítomnost dalších externích faktorŧ nutných pro produktivitu a rŧst

Podrobnější popis sloţité povahy propojení dopravy a ekonomického rozvoje popisuje vícefaktorové schéma na obr. 7. Aby nastal ekonomický rŧst indukovaný dopravou, je nutná přítomnost rŧzných trţních předpokladŧ, především firemní aglomerace, dopravní síť, trh práce a trh s pŧdou. Tudíţ zlepšená dopravní dostupnost převedená do sníţených cestovních dob a vyšších objemŧ dopravy nemŧţe být dostatečná pro generování ekonomického rŧstu.

34

Obr. 6: Schéma hodnocení ekonomických benefitů z investic do dopravní infrastruktury Zdroj: Banister a Berechman 2001, s. 215

Poměrně kritický ke korelaci výstavby dálniční sítě a ekonomického rozvoje regionu je Kurfürst (2000), který uvádí, ţe očekávané šíření prosperity z rychle se rozvíjejících ohnisek do méně vyvinutých regionŧ se neděje automaticky. Z případu Španělska, Portugalska, východního Německa i jiných regionŧ je zřejmé, ţe nemusí nastat takřka vŧbec (Holl, 2011). Jiţ dříve jsme zmiňovali pozitivní efekt dopravy na produktivitu výroby a s tím spojenou zaměstnanost. Neexistují totiţ empiricky prokazatelná data, ţe sama výstavba rychlostních komunikací je schopna stimulovat ekonomický výkon. Samotné náklady na dopravu obvykle dosahují 2 - 5 % výrobních nákladŧ, to znamená, ţe i sebelepší zlepšení dopravní infrastruktury (např. Eurotunel pod kanálem La Manche) snižuje ceny nákladů maximálně v setinách procent. Podobně přepravci vznikne zisk z ušetřeného času pouze tehdy, je-li schopen tento čas dále vyuţít. Mnoho časových úspor je ale ve svém dŧsledku příliš krátkých na to, aby umoţnili reorganizaci časového plánu provozu, která by stejně vedla paradoxně ke sníţení počtu zaměstnancŧ a linek. Podobně problematický je praktický dŧsledek lokalizační teorie (viz str. 6). Výstavba nových dálnic totiţ přispívá k regionálnímu rozvoji, pokud stimuluje vznik nových firem nebo nové investice stávajících. Do periferních regionŧ jsou ovšem lokalizovány ne nové firmy, nýbrţ spíše jejich pobočky. Toto téma je ovšem vzájemně propojeno s širší diskusí o efektivitě (podpory) přímých zahraničních investic a jejich často negativním vlivu na domácí podniky. Na druhou stranu příchod nových investic mŧţe v prŧběhu času vytvořit nová jádra ekonomické aktivity, jeţ na sebe

35

naváţou další i domácí firmy. Příkladem mŧţe slouţit lokalizace podniku Bosh Diesel s.r.o. v Jihlavě, jehoţ příchod souvisel významně s blízkostí dálnice, a stal se později zásadním aktérem rozvoje celého kraje Vysočina. Téma je stejně tak propojeno s lokalizací prŧmyslových zón, jeţ jsou závislé na kvalitním dopravním napojení. Kurfürst (2000) k tomu kriticky dodává: nové silnice dokáţou ekonomickou aktivitu z regionu vysávat právě tak dobře, jako ji mohou stimulovat. Nové silnice obvykle stahují ekonomickou aktivitu z měst a přesunují ji na zelenou louku. Pracovní příleţitosti během tohoto procesu často mizí. Nehledě na to, ţe s novými komunikacemi se zvyšuje intenzita dopravy, jeţ vede často opět ke kongescím a sniţuje tak efekt kýţené komunikace. Nehledě na to byla regionální politika Evropské unie (a tento názor převládá stále i v České republice) silně inspirována představou, ţe investice do dopravní infrastruktury mohou pomoci slabším regionŧm k přiblíţení se k prŧměrné úrovni příjmŧ v EU. Mnoho tehdy Evropskou komisí placených výzkumných projektŧ následně hodnotilo korelaci investic do vyšší dopravní infrastruktury a ekonomického výkonu měřeného HDP na obyvatele jako silnou. V posledních desetiletí se ale výsledky výzkumu výrazně přehodnocují. Z posledních výzkumŧ vyplývá, ţe největší přínos pramenil z odstranění zúţení a mezer v infrastruktuře centrálních regionŧ spíše neţ z vysokých investic do výstavby v periferních regionech5. Paradoxně tedy není jasné, jestli kohezní politika nemŧţe ohrozit konkurenceschopnost Evropské unie v dlouhodobém horizontu. Vyšší poptávka po nové infrastruktuře je logicky v hustě zalidněných (jádrových) regionech. Kdyţ tedy Cost-benefit analýzy kalkulují benefit těchto nových investic, berou jej přirozeně z pohledu uţivatelŧ. Tudíţ budou vţdy jádrové regiony vykazovat větší benefity a budou více prioritní. Proto je zřejmě přirozenější, ale i komplikovanější, investovat do dopravní infrastruktury periferních regionŧ. Dŧleţité jsou především investice do lokalizačních faktorŧ pro přilákání vysoce vzdělané pracovní síly, kterou progresivní odvětví vyţadují, jako podpora např. kulturních institucí aj. (Peters 2000). Z případových studií efektu výstavby nových dálnic v severovýchodní Anglii, Východním Německu, Španělsku (Holl 2011) a jinde se jeví jako zásadní investice do naléhavějších překáţek místního rozvoje (např. kvalifikace pracovní síly, sociální infrastruktury, či komunikace uvnitř regionu) namísto velkých projektŧ dálkové dopravní infrastruktury. Leinbach (2000) ve své práci, která kompiluje rŧzné případové studie, uvádí, ţe rozvoj silniční sítě v Nepálu vedl k proniknutí indického zboţí na místní trhy a k destrukci místních prŧmyslových podnikŧ. Zvýšila se sice mobilita obyvatel a administrativní role měst a s tím spojené jisté zvýšení příjmŧ, avšak nedošlo k očekávaným ekonomickým pozitivním efektŧm. Nové silnice podpořily spíše import zemědělského zboží než jeho export. Vliv na to ovšem měla i vláda, jeţ nebyla schopna podpořit své rolníky, a ti vzhledem ke své velké chudobě nebyli ochotni riskovat implementaci inovací (nových technologií, plodin atd.) a stali se tak rychle nekonkurenceschopnými.

5

Výzkum London School of Economics ukázal, ţe aktuální dopady dopravních projektŧ se významně liší, a to i u pečlivě vybíraných infrastrukturních projektŧ.

36

Jako opačný příklad ovšem mŧţe slouţit nekoncentrovaná industrializace na Taiwanu, která byla silně ovlivněna vysokým stupněm rozvoje infrastruktury. Ve skutečnosti byla ale hlavním facilitátorem rozvoje přítomnost dostupné, pruţné, disciplinované, vzdělané a dosud levné pracovní síly (částečně pracující v zemědělství). Další příklady z Indonésie a Malajsie svědčí o výrazném zlepšení moţností najít zaměstnání pro periferní (rurální) regiony, ale často i s tím spojené vystěhovávání se odtud. Zajímavé jsou také genderové rozdíly. Ze zlepšení dopravy a s tím spojené mobility totiţ v rozvojových zemích těţí především muţi, zatímco ţeny mají velmi malý přístup k této inovaci (Leinbach 2008). Podobný efekt měla i výstavba dálniční sítě ve východním Německu. I přes silný deficit v této oblasti, nekorespondovaly individuální projekty s potřebou pečlivě hodnotit regionální potřeby. Jednalo se o velice rychlou výstavbu. Z nových dálnic těţily nakonec především západoněmecké firmy a dodavatelé, kteří se mohli lépe dostat na východoněmecký trh (Peters 2000). I to bylo jednou z mnoha příčin rychlého kolapsu východoněmeckých podnikŧ. Nová ekonomická geografie rozvíjí mimo jiné teorii o negativním vlivu další infrastruktury na jiţ chudé regiony, které dále chudnou (viz teorie aglomerace - venkov). Z ekonomŧ se této otázce věnoval třeba jeden ze současných nejlepších ekonomŧ Krugman. Krugman s Venablesem ukázali s vyuţitím jednoduchého ekonomického modelu, ţe vztah kvality dopravní infrastruktury (a s ní spojených dopravních nákladů) a ekonomického rozvoje regionŧ není lineární, ale podstatně sloţitější. Ve zjednodušení regresní křivka spíše kopíruje tvar písmene U. Pokles dopravních nákladŧ totiţ vede k větší disproporci mezi bohatým a chudým regionem (jádrem a periferií) a obyvatelŧm periferie se sniţuje reálný příjem. Tyto disproporce v příjmu pak sníţí aţ další pokles dopravních nákladŧ. Stejní autoři však zdŧrazňují, ţe na lokální ekonomický rozvoj mají zřejmě daleko vyšší vliv jiné faktory, jako např. struktura lokálního hospodářství (změna technologie výroby v regionu), neţ výše dopravních nákladŧ.

4.4.1 Dopady na land use Jak jsme uvedli jiţ výše, lokalizační teorie a jiné neoliberální teorie předpokládají, ţe nová dopravní infrastruktura se kapitalizuje ve zhodnocení cen pozemkŧ, často celých dříve upadajících území především v rámci městských aglomerací. To dokládá případová studie z prostředí Neapole (Curtis a kol. 2009, s. 56). Investicemi do integrovaného dopravního systému rychlostní ţeleznice a metra obsluhujícího aglomeraci Neapole (cca 3,5 mil. obyvatel) a jejího zázemí došlo k výraznému zvýšení cen pozemkŧ (o 30 aţ 45 % v blízkosti stanic) a gentrifikaci území v blízkosti ţeleznice. Došlo i k výrazným změnám land-use. V dŧsledku rŧstu cen pozemkŧ a lepší dopravní dostupnosti se obyvatelé stěhují do větších vzdáleností od města podél tratí a v centru převládají obchodní aktivity a sluţby. Podobně i Reichert (2005) konstatuje výrazné změny land use v okolí sjezdŧ z nově vystavěných, ale i pŧvodních dálnic ve východním Německu po roce 1989. Guliano (1988) na základě zkoumání případových studií z prostředí USA rozlišuje dvě generace těchto studií. První studie se objevily v souvislosti s budováním mezistátní dálniční sítě na konci

37

50. a během 60. let a i přes jisté nedostatky v metodologii shodně popisovaly pozitivní efekty dálnic na hodnotu území (cenu pozemkŧ, land use atd.). V kontrastu k tomu studie druhé generace (konec 70. let a 80. léta) neukazovaly ţádný jednotný vztah mezi zlepšením dálniční sítě a změnami land-use. Dŧsledky změn land-use spatřoval spíše v: 1, Celkových ekonomických podmínkách. 2, Přístupu k středně-příjmovým a vysoko-příjmovým rezidenčním oblastem. 3, Dostupnosti ploch vhodných pro výstavbu. 4, Příznivé politice zaměstnanosti. V Minesotě pak bylo zvýšení zaměstnanosti jako dŧsledku zlepšení dopravní infrastruktury sledováno pouze v metropolitní oblasti, zatímco v přilehlých okrscích došlo k negativním dopadŧm. Přes nedostatek kvantitativních dŧkazŧ z podnikatelského prostředí ale platí, ţe dálnice pŧsobí na změny v landuse. Mnoho studií popisuje tendenci clusterování podél dálnic a u hlavních křiţovatek. Musíme také vzít v úvahu větší vliv dálnic v počátku jejich rozvoje v 50. letech ve srovnání se sníţením jejich vlivu v pozdějších desetiletích, kdy byla konektivita a dostupnost dálniční sítě jiţ na vysoké úrovni.

4.4.2 Dopady na sítě kontaktů

Posledním zpŧsobem, jak mŧţeme nazírat investice do dopravní infrastruktury je fakt, ţe umoţňují moţnost lepších kontaktŧ. Eddigton (2006) píše, ţe efektivní dopravní systém pomáhá ekonomice lépe reagovat na strukturální změny, umoţňuje snadnější mobilitu pracovní síly6. Neţádoucím efektem mŧţe být ovšem proces koncentrace ekonomické aktivity na jednom místě. Na druhou stranu zkušenosti úspěšné organizace výroby z tzv. „učících se regionŧ“ ukazují, ţe je lze povaţovat za jeden z předpokladŧ úspěchu regionální ekonomiky. Těmito principy jsou aglomerace většího počtu obdobně zaměřených firem, které si sice navzájem v té či oné míře konkurují, ale současně mezi nimi dochází k jisté míře spolupráce. Výsledkem aglomerace (clusterování) a spolupráce je zpravidla vyšší míra inovací, pramenící z intenzivnější výměny informací a dovedností vázaných na oborovou specializaci místních firem spolu se vznikem místních specializovaných institucí (Blaţek a Uhlíř 2011). Tímto zpŧsobem mŧţe přispět zvýšení dopravní dostupnosti a propojenosti rozvoji regionu, nikoliv však bez podmínky efektivního fungování místní ekonomiky jiţ před dopravními inovacemi.

4.5 Logistické systémy a jejich vliv na efektivitu dopravy jako katalyzátoru rozvoje Doprava je nositelem hmotných tokŧ ve sféře výroby i spotřeby na určitém území, a tedy i logistických systémŧ. Technické vědy se poměrně do hloubky věnují právě logistice. Jejich studium vychází z poměrně sofistikovaných matematických modelŧ logistických systémŧ. Logistické systémy vnímají dopravu jako organizovanou soustavu. Tato soustava má hierarchickou 6

Např. v 19. stol. ve Velké Británii ţeleznice umoţnila transfer pracovníkŧ z upadajících do nových prŧmyslových odvětví (respektive regionŧ), a tím pomohla Británii překonat změny v globální ekonomice a udrţet si tak svŧj náskok.

38

strukturu a mŧţeme u ní měřit efektivnost obsluhovaného systému 7. Naším úkolem ale není podobným zpŧsobem analyzovat často jiţ analyzované. Spíše se pokusit o stručné pochopení jejich přístupu a v rámci naší geografické analýzy vyuţít částečně i jejich pohledu. Nákladní doprava a tedy logistika ovlivňuje regionální rozvoj. Tudíţ se vedle podpory výrobních kapacit (prŧmyslových zón), stávají i logistická centra potenciálním příjemcem nepřímých ale i přímých investic a podpor z veřejné sféry. Prostředky jsou vynakládány především pro podporu vzniku, někdy však i pro provoz center (za účelem zajištění základní obsluţnosti území). Pro zaměstnanost mají přitom logistická centra dvojí význam: Poskytují přímo nové pracovní příleţitosti. Svou činností podporují malé a střední podnikání, a tím nepřímo zvyšují zaměstnanost. Efektivní logistika teoreticky sniţuje jednak procento nezaměstnanosti při omezování výroby velkých podnikŧ, jednak migraci pracovní síly mimo region. Logistické centrum totiţ zajišťuje import materiálŧ a komponent v mnoţství, které by specializovaný dopravce nepřevzal a stejně tak umoţňuje export zboţí výrobcŧm v regionu. Za odesilatele tvoří směrově ucelené zásilky (i od rŧzných výrobcŧ). Ovšem rŧst produktivity ze zlepšení dopravy nemusí nutně znamenat nové investice. Výzkumy ukazují, ţe reforma regulace mŧţe být dŧleţitým faktorem lepšího managementu stávajících dopravních sítí8.

4.6 Lokalizace výroby, výše příjmů a dopravní náklady Rozvoj strategické silniční sítě hraje v současnosti klíčovou roli v relokaci nových ekonomických odvětvích (clusterŧ lehkého prŧmyslu aj.), které jsou přitahovány přístupem na dálniční síť. Příkladem mŧţe slouţit situace na jihovýchodě Anglie. Podobně zřetelná je i lokalizace nových prŧmyslových zón podél radiály okolo Londýna, například blízko A406 (Eddington, 2006). Relokace ovšem mŧţe nastat, aţ kdyţ zisky z nové lokace převýší náklady na přestěhování se. To znamená např. hledání lokality, moţnou ztrátu kmenových zaměstnancŧ, nové zakládání aktivit atd. (Guliano 1988). Svoboda (2009, s. 112) uvádí, ţe z prostorového hlediska existovala u nás od počátku 90. let souvislost mezi logistickými strategiemi zahraničních investorŧ a kvalitou domácí dopravní infrastruktury. Investoři se snaţili o alokaci v blízkosti východních hranic tehdejší Evropské unie 7

Zvyšování efektivity přispěl např. zpŧsob technologie „Hub and Spoke“, který logistika vyvinula jako zpŧsob redistribuce na niţší hierarchické úrovně. Koncept Gateways – technologie obsluhy aglomerace (města), lze ji označit jako modifikaci technologie Hub and Spoke. Vnitřní obsluha je zde obvykle vázána na určitá denní období, aby minimalizovala kolizi s hromadnou a jinou dopravou ve špičkách. 8

Například deregulace nákladní silniční dopravy přispěla k redukci nákladŧ pro dopravní sektor rovnajícímu se investicím veřejné sféry od poloviny 80. let v USA a Francii. Podobně i zvýšení limitu maximální váhy kamiónŧ z 38 na 44 tun ve Velké Británii podle prŧzkumŧ sníţilo dopravní náklady silniční dopravy o 19 % (Eddington 2006)

39

(EU 15) zejména v případech výroby komponent pro finální montáţ na území unie. V našem případě to znamenalo lokalizaci především na jihozápadě České republiky. Přičemţ čerstvě provedená analýza jiţ tuto strategickou orientaci nepotvrdila. Příliv zahraničních investic v podobě výstavby nových výrobních závodŧ jiţ nesouvisí přímo s úrovní dopravní infrastruktury, nýbrţ byl alokován převáţně do státem podporovaných prŧmyslových zón (monitorováno 56 zón a 74 ostatních lokalit). Na druhou stranu alokace těchto zón vycházela z dobrého napojení na dopravní infrastrukturu. Pozice českých firem, či subdodavatelŧ se pak výrazně zlepšila vstupem do Schengenského prostoru, jenţ umoţnil rozvoj a integraci nadnárodních logistických systémŧ evropských společností. Dřívější rozvoj byl limitován výrazným zdrţením na hranicích a jejich nepředvídatelností. Srovnáním dopravních nákladŧ a výše reálných příjmŧ se podrobněji zabývají Venables a Limao (2002), kteří na základě matematických modelŧ ilustrují, ţe reálné příjmy klesají při zvyšující se vzdálenosti (dopravních nákladech) aţ do určitého bodu, kdy se stávají na sobě nezávislé. Pokles dopravních nákladŧ v jejich matematickém modelu pak koresponduje s lokalizací výroby dále od centra. Při nárůstu dopravních nákladů dochází naopak ke koncentraci výroby. Tento jev je obdobný i při rezidenční lokalizaci, jejímţ výsledkem je suburbanizace. Není však jasné, zda spojení periferní a jádrové oblasti bude generovat rŧst produktivity pro obě oblasti, nebo povede k relokaci ekonomických aktivit (ve prospěch centra) bez efektu na celkový ekonomický rŧst v regionu. Mnohé výzkumy sice potvrzují, ţe regiony s niţšími dopravními náklady jsou znevýhodněny pro potenciální lokalizaci nových ekonomických aktivit a v participaci na globálních produkčních sítích (viz Knowles a kol., 2008). Pravda je to ovšem jen do té míry, pokud jsou tyto aktivity náročné na dopravu. To znamená, ţe vykazují vysoké objemy dovozu a vývozu. Navíc tento argument ignoruje fakt, ţe vyšší dopravní náklady firem jsou uţ zahrnuty do výrobních nákladŧ. Proto při hledání lokace pro novou ekonomickou aktivitu musíme srovnat intenzitu dopravních výkonŧ nutných pro výrobu s tou, kterou mají jiţ existující firmy v regionu. Obecně platí, ţe zboţí s potřebou vysoké intenzity dopravy bývá produkováno blíţe centru (Venables, Limao 2002). Dopravní náklady mají dále vliv i na výši příjmŧ (v regionu), a ačkoliv jsou vyšší dopravní náklady odlehlých regionŧ příčinou tamějších niţších mezd, z jejich sníţení nebudou těţit všechny regiony stejně. Venables a Limao (2002) výpočtem matematických rovnic a ekonomických modelŧ dochází k závěru, ţe sníţením dopravních nákladŧ vzrostou sice příjmy v relativně odlehlých regionech, ale mohou poklesnout v regionech bliţších centru.

4.7 Shrnutí kapitoly Jak vyplývá z předchozích podkapitol, naším úkolem bude podchytit velice sloţitou souvztaţnost mnoha faktorŧ lokální ekonomiky, které mají větší vliv na ekonomický rozvoj, neţ samotné zlepšení dopravní dostupnosti. Základem analýzy bude sice měření závislosti úrovně dopravní

40

dostupnosti a ekonomického vývoje regionu, ale vzhledem k výše zmíněné sloţitosti problematiky se pokusíme o komplexnější vysvětlení případné závislosti, nebo nezávislosti obou komponent. Právě z předchozích kapitol vyplývá, ţe musíme napřed pochopit fungování mikroekonomiky regionu a jako doplněk hodnotit jeho dopravní charakteristiky. Na základě toho mŧţeme analyzovat rŧzné vlivy změn dopravní dostupnosti na rŧzné typy regionŧ. K tomu nám mohou poslouţit i následující schémata. Ze schématu na obr. 9 vyplývá, ţe zlepšení dopravní infrastruktury vyvolává sníţení dopravních nákladŧ vlivem zkrácených vzdáleností, zvýšené rychlosti a redukce spotřeby pohonných hmot. Pokles dopravních nákladŧ přímo ovlivňuje pohyb zboţí a osob tím, ţe dochází ke zvýšení frekvence a rychlosti těchto pohybŧ a zlepšení produktivity firem a domácností. Jak produktivita, tak i dostupnost pŧsobí na aktivity v regionu. Tento účinek však nemusí být jen pozitivní, ale místo nárŧstu ekonomických aktivit mŧţe dojít např. ve venkovských regionech k jejich poklesu. Proto je nutné rozlišovat vţdy konkrétní příklady.

Obr. 7: Přímé a nepřímé vztahy mezi dopravní infrastrukturou a regionálním rozvojem Zdroj: Vondráčková 2006 (upraveno dle Rietveld, Bruinsma 1998)

Monigl (2004) rozlišuje čtyři vzájemně se ovlivňující základní skupiny (faktorŧ). Za prvé dopravní procesy, za druhé faktory regionálně ekonomických procesŧ (jako lokalizačního potenciálu), za třetí sociální procesy a za čtvrté dopravní dostupnost (infrastrukturu). Jejich interakce se projevuje následně změnami ve vyuţití pŧdy a dopravními náklady. Investice do dopravní infrastruktury pak pŧsobí na ekonomické a dopravní procesy. Teprve tyto zprostředkovaně (přes interakci podfaktorŧ) a v kaţdém regionu individuálně pŧsobí na celkový socioekonomický rozvoj regionu a kvalitu ţivota v něm.

41

5 METODOLOGIE A ZDROJE DAT 5.1 Úvod Metodologii práce určujeme vzhledem k definovaným cílŧm. Prvním cílem práce bude nalézt odpověď na otázku, zda regiony s lepší úrovní dopravní dostupnosti vykazují i lepší úroveň ukazatelů socioekonomického rozvoje regionu v ČR a naopak. Zároveň bude naším úkolem rozlišit, zda má doprava v České republice vliv na ekonomický rozvoj obcí, nebo zda se ten děje relativně nezávisle na ní. Ačkoliv data, která budeme vyuţívat nepostihují celou šíři socioekonomické úrovně, jsou schopna popsat vztahy několika základních faktorŧ socioekonomické dynamiky obcí, totiţ podnikatelskou aktivitu, nezaměstnanost, migrační saldo a vyjíţďku za prací. Komplexnější přístup se budeme snaţit doplnit pouţitím Typologie obcí podle MMR (2012). Vzhledem k cílŧm práce budeme v metodice vycházet ze dvou základních přístupŧ hodnocení dopravních faktorŧ ovlivňujících socioekonomickou sféru. Za prvé budeme hodnotit celkovou úroveň dopravní dostupnosti obcí České republiky pro individuální automobilovou dopravu, protoţe ta je jednoznačně dominantním módem dopravy v České republice. Pokud tedy chceme popisovat dostupnost středisek, je logicky nejlepším ukazatelem. Za druhé budeme zkoumat dopravní obsluţnost obcí veřejnou hromadnou dopravou, protoţe VHD je druhou nejvýznamnější formou, jak dojíţdět do zvolených středisek. Dopravní obsluţnost navíc velmi dobře umoţňuje hodnotit rozdíly v úrovni dopravní infrastruktury. Navíc umoţňuje postihnout faktor prostorové nespravedlnosti, jelikoţ ne všichni občané mohou dojíţdět automobilem a jsou tak závislí na obsluze VHD. Faktory dopravní dostupnosti a obsluţnosti budeme následně srovnávat se socioekonomickými faktory obcí České republiky. Jako doplňující výzkumnou hypotézu budeme ověřovat předpoklad, ţe: Periferní regiony vymezené ve Strategii regionálního rozvoje České republiky pro období 2014-2020 vykazují horší dopravní dostupnost i obslužnost než rozvojová (urbanizovaná) území (viz podkapitola 5.8). V následujících podkapitolách si popíšeme především metodiku sběru dat a jejich úpravy pro další analýzy za jednotlivé faktory, které budeme zkoumat. Jsou to dopravní dostupnost, dopravní obsluţnost a socioekonomické ukazatele. Upravená data jsme následně podrobili dalším statistickým analýzám – korelačním, faktorovým a regresním. Další metodou analýzy sesbíraných dat byla geografická analýza, kdy jsme jednotlivé ukazatele vizualizovali formou mapových výstupŧ pomocí GIS. Díky mapovým vizualizacím jsme mohli data srovnat a okomentovat z hlediska prostorové diferenciace, podobností, či odlišností. Kategorizace ukazatelŧ v jednotlivých mapách probíhala vţdy na základě rovnoměrného rozdělení počtu vzorkŧ v jednotlivých kategoriích (pomocí frekvenčního histogramu). Hranice jednotlivých kategorií pak byly upraveny tak, aby představovaly pokud moţno celá čísla a navíc, aby byly kategorie stejně veliké. Ve mapách ukazatelŧ dopravní dostupnosti a socioekonomických ukazatelŧ jsme zachovávali počet pěti kategorií, který je pro čtenáře ještě dobře pochopitelný a navíc

42

relativně dobře postihuje diferenciaci v prostoru. Pouze v případě vizualizace dostupnosti makroregionálního centra jsme pouţili šest kategorií, protoţe jedině vyšším počtem kategorií jsme dokázali zobrazit diferenciaci ukazatelŧ na východě Moravy, který je od Prahy nejdále. U map dopravní obsluţnosti je kategorií šest, jelikoţ jako zvláštní kategorie jsou zobrazeny obce bez spojení VHD. Vyuţili jsme digitální vektorovou geografickou databázi České republiky ArcČR® 500, která je vytvořena v podrobnosti měřítka 1 : 500 000. Jejím obsahem jsou přehledné geografické informace o České republice. Data vznikla ve spolupráci ARCDATA PRAHA, s.r.o., Zeměměřického úřadu a Českého statistického úřadu a jsou distribuována zdarma. Mapy byly provedeny v programu ArcGIS 10 od společnosti ESRI v licenci Masarykovy univerzity.

5.2 Analýza dopravní dostupnosti V analýze dopravní dostupnosti jsme se rozhodli vycházet z dopravní dostupnosti vztahové. Tedy dopravní dostupnosti obcí České republiky do vymezených středisek. Zvolili jsme tři typy prostorových vazeb. Konkrétně prostorové vazby obcí do mikroregionálních, mezoregionálních a makroregionálních středisek. Mikroregiony, mezoregiony i makroregion byly převzaty ze souhrnné zprávy Polyreg (1/2010, CpRR). Tyto regiony byly ve zprávě vymezeny na základě dojíţďky do zaměstnání v roce 2001. Objektem dostupnosti tak byla mikroregionální, mezoregionální a makroregionální střediska (města) České republiky.

5.2.1 Vymezení pracovních center a regionů Mikroregionální centrum je chápáno jako středisko o minimální velikosti 1000 obsazených pracovních míst, které bylo současně cílem alespoň jednoho maximálního proudu pracovní dojíţďky z libovolné jiné obce. Tímto zpŧsobem pak byl vymezen i mikroregion, který zahrnuje obce, z nichţ maximální proud vyjíţďky směřoval do mikroregionálního centra. Mezoregiony, potaţmo mezoregionální centra, byly opět převzaty ze zprávy Polyreg (1/2010, CpRR) na základě prostorového sloučení pracovních mikroregionŧ – podstatou shlukování byla analýza směru a objemu pracovních proudŧ vycházejících z mikroregionŧ. Korekce byla prováděna na základě selfcontainmentu (zásady vztahové uzavřenosti). V rámci mezoregionŧ pak byla definována mezoregionální centra, a to na základě analýz populační a pracovní velikosti. Za makroregionální centrum v souladu s metodikou Polyreg (1/2010, CpRR) povaţujeme pouze jedno město, a to Prahu. Jako makroregion pak uvaţujeme celou Českou republiku. Nyní si popišme, vymezení center mikroregionŧ podle zprávy Polyreg (1/2010, CpRR). Obec byla zařazena mezi pracovní centra: A. pokud se na jejím území nacházelo 1000 a více obsazených pracovních míst a současně B. byla cílem alespoň jednoho maximálního dojíţďkového proudu za prací vycházejícího z libovolné jiné obce.

43

Po ujasnění definice pracovního centra bylo přistoupeno k analýzám dat ze Sčítání lidu, domŧ a bytŧ 2001. Analýzy se skládaly ze 3 hlavních krokŧ: 1. určení počtu obsazených pracovních míst pro kaţdou obec ČR; 2. směrového určení maximálního proudu pracovní dojíţďky z kaţdé obce ČR; 3. finální aplikace obou kritérií a výběr souboru pracovních center. Obsazená pracovní místa v obci (OPM) byla kalkulována dle vztahu OPM = EAzam + EAdoj – EAvyj kde EAzam rozumíme počet ekonomicky aktivních zaměstnaných pro danou obec, EAvyj je počet ekonomicky aktivních zaměstnaných vyjíţdějících za prací mimo obec a EA doj je počet ekonomicky aktivních zaměstnaných dojíţdějících za prací do dané obce. Osoby s nezjištěnou ekonomickou aktivitou byly rozpočítávány proporcionálně mezi ekonomicky aktivní a ekonomicky neaktivní; v rámci ekonomicky aktivních pak dále proporcionálně mezi zaměstnané, nezaměstnané a ţeny na mateřské dovolené. Počet ekonomicky aktivních zaměstnaných (EAzam) byl určen – EAOPM1 (celkový počet ekonomicky aktivních po odečtení nezaměstnaných. Dojíţďkové saldo (tj. hodnota EAdoj – EAvyj) bylo kalkulováno ze sum celkové pracovní dojíţďky a vyjíţďky do/z příslušné obce (pozn. proudy s nezjištěným cílem byly rozpočítávány mezi 4 nejsilnější proudy vycházející z daného místa vyjíţďky). Kritérium 1000 a více obsazených pracovních míst splňovalo v roce 2001 493 obcí (Polyreg (1/2010, CpRR, s. 5). Směrové analýzy maximálních proudŧ vycházely opět ze sledování dojíţďky za prací šetřené v rámci SLDB 2001. Z celkového počtu 6528 obcí bylo 645 obcí cílem alespoň jednoho maximálního dojíţďkového proudu za prací vycházejícího z libovolného jiného sídla. Prŧnikem obou vytvořených mnoţin obcí byl generován výsledný soubor pracovních center splňujících obě z uvedených kritérií (kritérium minimálního počtu OPM a kritérium maximálního dojíţďkového proudu). Výsledný soubor zahrnoval 367 obcí (Polyreg (1/2010, CpRR, s.6). Tab. 1: Vybrané charakteristiky pracovních center (2001) celkový počet obyvatel v centrech celkový počet ekonomicky aktivních (EA) v centrech z toho: ekonomicky aktivní zaměstnaní nezaměstnaní celkový počet obsazených pracovních míst (OPM) v centrech celkové saldo pracovní dojíţďky za soubor center podíl souboru center na celkovém počtu obyvatel v ČR podíl souboru center na celkovém počtu EA v ČR podíl souboru center na celkovém počtu OPM v ČR

6634176 3504087 3180924 323163 3781389 600915 64,8 % 66,2 % 78,7 %

Zdroj: Polyreg (1/2010, CpRR, s.9)

44

Na základě výše zmíněné metodiky vymezení mikroregionálních pracovních center následovalo vymezení pracovních mikroregionŧ. Kritériem byl fakt, aby do mikroregionu spadala alespoň jedna obec (jiná neţ středisko) a aby ţádný z mikroregionŧ po provedení dílčích úprav hranic neklesl pod hranici 6000 obyvatel. Byly provedeny úpravy, jeţ umoţnily vymezení kompaktních neperforovaných regionŧ. Výsledkem bylo vymezení 260 pracovních mikroregionŧ a tedy i pracovních středisek (více viz Polyreg (1/2010, CpRR, s. 10 aţ 20). Tab. 2: Vybrané souhrnné charakteristiky pracovních mikroregionů (2001)

prŧměrný počet obyvatel v pracovním mikroregionu prŧměrný počet EA v pracovním mikroregionu prŧměrný počet OPM v pracovním mikroregionu prŧměrný počet obcí v pracovním mikroregionu prŧměrný počet obyvatel v centrech mikroregionŧ celkový počet obyvatel v centrech mikroregionŧ

39346 18480 18476 24 24193 6290124

prŧměrný počet EA v centrech mikroregionŧ celkový počet EA v centrech mikroregionŧ prŧměrný počet OPM v centrech mikroregionŧ celkový počet OPM v centrech mikroregionŧ

11606 3017643 13825 3594465

Zdroj: Polyreg (1/2010, CpRR, s. 13)

5.2.2 Prvky dostupnosti Pro účely navrţené klasifikace jsou definovány prvky dostupnosti následujícím zpŧsobem. Za subjekt dostupnosti budeme povaţovat obce České republiky, ze kterých zkoumáme dostupnost do středisek, tedy objektů dostupnosti. Objekt dostupnosti představuje stanovený cíl (určitá příleţitost, aktivita, sluţba), jehoţ dostupnost chceme zjistit. V našem případě byla zvolena střediska pracovních příleţitostí (pracovních nodálních regionŧ) podle metodiky Polyreg (1/2010, CpRR), viz výše. Pro měření vzdálenosti mezi subjektem a objektem dostupnosti bylo potřeba stanovit přesně start a cíl, mezi kterým se obyvatel obce bude svým automobilem pohybovat. Startem byla zvolena obec ve svém administrativním vymezení. Cílem bylo zvoleno centrum pracovních příleţitostí, neboli středisko jako celek v administrativním vymezení. Pracovní mikroregiony pak tvoři územně souvislý celek charakterizovaný relativně vysokou mírou vnitřní uzavřenosti dojíţďky za prací (především její denní formy). Je tvořen jedním centrem (jádrem) a jeho spádovým zázemím tvořeným přilehlými obcemi. Transportní prvek představuje spojení mezi subjektem a objektem dostupnosti, v našem případě tedy spojeni mezi obcí v administrativním členění a centrem pracovních příleţitostí (městem v administrativním členění). Za start i cíl byl zvolen střed obce pomocí webové aplikace, která se

45

snaţila lokalizovat start i cíl pokud moţno vţdy do středu obce. Tyto údaje byly získány prostřednictvím webových mapových sluţeb (Mapy API). Vstupními údaji pro tuto sluţbu byly (mimo jiné) zeměpisná šířka a délka centra (středu) obce, která byla získána z mapových vrstev obcí ČR. Vzdálenost mezi subjektem (startem) a objektem (cílem) byla měřena několika zpŧsoby. Za prvé pomocí časové vzdálenosti (v minutách) dosaţené jízdou autem po optimálně zvolené dopravní cestě. Za druhé pomocí fyzické vzdálenosti po silnici měřené v kilometrech a za třetí pomocí prŧměrné rychlosti, kterou pojede obyvatel dané obce po dané trase (tedy poměru časové a fyzické vzdálenosti). Vţdy šlo o vzdálenost obcí od svých příslušných (mikro, mezo, nebo makroregionálních) středisek. Výše zmíněné faktory dopravní dostupnosti by nám měly pomoci k určení obcí, jeţ jsou lépe dopravně napojeny na rychlostní komunikace. Náš předpoklad ovšem platí pouze u obcí, které jsou relativně vzdálenější od středisek. Obce nejbliţší střediskŧm vykazují nejmenší prŧměrné rychlosti, ačkoliv jsou časově i fyzicky nejlépe dostupné. Dŧvodem je fakt, ţe měříme dostupnost do hypotetického středu obce a tudíţ hraje prŧjezd střediskem (městem) větší roli, neţ u obcí vzdálenějších od střediska. Čím větší je podíl vzdálenosti, kdy musí obyvatel projíţdět střediskem, to znamená, čím je cílové středisko větší a čím blíţe se startovní obec nachází, tím je prŧměrná rychlost jízdy pomalejší. Proto jsme upravili vzorec časové náročnosti dopravní infrastruktury zmíněný na str. 15 a pouţili toto bezrozměrné číslo jako ukazatel dopravní dostupnosti v některých korelačních analýzách (viz dále). Vzorec jsme zvolili takto: t = s / v , kde t – výsledná časová vzdálenost jednotlivých hran, potřebná pro jejich projetí; s [km] – délka jednotlivých hran (úsekŧ silnic); v [km/h] – prŧměrná rychlost vozidel na jednotlivých úsecích komunikací v jednotlivých letech. Vzhledem k tomu, ţe zvolené hodnocení dopravní dostupnosti nehodnotí populační a ekonomickou velikost (sílu) jednotlivých center, která je však pro ekonomickou úroveň dojíţdějících obcí významná, přistoupili jsme ve faktorové analýze k zařazení faktoru obsazených pracovních míst v mikro a mezoregionálním středisku (viz kap. 10.2). V dalších analýzách by bylo vhodné dopravní dostupnost zvolených středisek doplnit komplexnějším ukazatelem dostupnosti všech potenciálních pracovních příleţitostí na základě funkce kombinující obsazená pracovní místa v okolí a jejich vzdálenost. Pro výpočet takové funkce by bylo ovšem nutno znát nejen údaje o vzdálenosti dvojic obec – středisko, ale obec a všechna dostupná střediska. Výpočet je tudíţ natolik sloţitý, ţe jej prozatím v naší práci pomineme.

5.3 Analýza dopravní obslužnosti Metodiku hodnocení dopravní obsluţnosti obcí na mikroregionální a mezoregionální úrovni převezmeme z Analýzy dopravní obsluţnosti obcí ČR zpracované Centrem pro regionální rozvoj MU (CpRR, 2011), na které se autor podílel. Na jejím základě budeme kategorizovat obce podle úrovně obsluţnosti a jednotlivé kategorie obcí pak budeme moci lépe srovnávat s ekonomickými ukazateli těchto obcí.

46

Hodnocení je zaloţeno na databázi údajŧ o dopravní obsluţnosti obcí ČR hromadnou dopravou. Databáze, která byla zpracovatelŧm poskytnuta společností CHAPS s.r.o., obsahuje především údaje o počtu existujících přímých a přestupních dopravních spojení ze všech obcí ČR do příslušných středisek, přičemţ akceptována jsou spojení s maximálně dvěma přestupy. Kaţdá dvojice obec – středisko je v databázi dále popsána dobou příjezdu prvního spoje do střediska, dobou odjezdu posledního spoje ze střediska a prŧměrnou jízdní dobou. Data o počtech spojŧ jsou platná k následujícím dnŧm: – pro úterý 20.4.2010 (všední den); – pro sobotu 17.4.2010 (víkend). Stav dopravní obsluţnosti byl v této studii analyzován pro všechny obce ČR. Stav dopravní obsluţnosti byl analyzován zvlášť pro úterý (tento den pro naše potřeby spolehlivě reprezentuje situaci v pracovní dny) a zvlášť pro soboty (ty pro potřeby této práce reprezentují situaci o víkendech). Stav dopravní obsluţnosti byl analyzován pouze pro dva typy prostorových vazeb: obec – příslušné mikroregionální centrum a obec – příslušné mezoregionální centrum (definice center viz podkap. 5.2.1). V analýze byly základní údaje o stavu dopravní obsluţnosti hodnoceny jednotlivě, tj.: počet všech spojů VHD; doba příjezdu prvního spoje do příslušného střediska; doba odjezdu posledního spoje z příslušného střediska; průměrná doba dojezdnosti (jedná se o váţený prŧměr jízdní doby přímých a přestupních spojŧ, jako váha je přitom pouţit podíl přímých, respektive přestupních spojŧ). V dalších analýzách jsme pracovali s těmito čtyřmi ukazateli. Ukazatele prvního příjezdu do obce a posledního odjezdu z obce jsme převedli do prŧměrné bodové hodnoty, kterou jsme pak v korelacích uplatňovali. Čím vyšší byla bodová hodnota (od 1 do 6), tím horší byla úroveň dostupnosti. V korelačních analýzách jsme vyuţívali všechny čtyři ukazatele. Ve faktorové analýze jsme pouţili uţ integrované ukazatele dopravní obsluţnosti za mikro a mezoregionální úroveň. Jednotlivé ukazatele byla rozděleny do pěti kategorií, kaţdé kategorii byl přiřazen bod, který ji charakterizoval. 1 bod představoval nejhorší obsluţnost, 5 bodŧ nejlepší obsluţnost. Pro vytvoření prŧměrné dopravní obsluţnosti mikroregionálního střediska pak byly všechny čtyři bodové ukazatele (počet spojŧ, časová dojezdnost, první a poslední příjezd) za mikroregionální úroveň zprŧměrovány do jednoho prŧměrného bodového ukazatele. Stejně tomu bylo i na mezoregionální úrovni. V poslední analýze srovnání typologie obcí podle MMR (2012) jsme pak vytvořili průměrnou bodovou hodnotu dopravní obslužnosti obce, kde jsme zprŧměrovali všechny ukazatele za úterý i sobotu a za obsluţnost do mikro i mezoregionŧ.

47

5.4 Analýza vybraných socioekonomických ukazatelů Kvantitativní analýza diferenciace socioekonomických ukazatelŧ v prostoru České republiky umoţňuje zobecnění poznatkŧ získaných z velkého mnoţství dat. Aplikace kvantitativních analýz v geografickém výzkumu je však spojena s mnoţstvím problémŧ a omezení, které souvisejí zejména s prostorovou povahou dat. V prvé řadě nelze vyloučit při analýze dat agregovaných do územních celkŧ existenci skutečnosti, ţe vztahy sledované na úrovni populací nemusí platit pro jedince (ekologická chyba). Výsledky prostorových statistických analýz jsou velmi závislé na přesném vymezení pouţitých územních jednotek a zvolené měřítkové úrovni sledování (Openshaw, 1984). Tento jev se velmi silně projevil při studiu dopravních ukazatelŧ, které jsou vymezením center dojezdnosti zcela zásadně determinovány. U studia socioekonomických ukazatelŧ jsme brali Českou republiku jako jeden celek, tudíţ byla determinace blízkosti centra pracovní dojíţďky méně znatelná (snad kromě podílu vyjíţdějících z obce. Pro vypovídací schopnost souhrnné analýzy ekonomické úrovně obcí je dŧleţité, aby všechny ukazatele v rámci dané analýzy byly konzistentní a vypovídaly o situaci z obdobného úhlu pohledu. Ukazatele toto nesplňující, avšak dŧleţité, mohou být vyuţity jako doplňující při interpretaci výsledkŧ analýzy. V našem případě se jednalo o ukazatele míry vyjíţďky za prací a migrační saldo. Kvantitativní analýza prostorových dat je nástroj s řadou omezení, která relativizují získané výsledky. Výsledky nelze chápat jako obecně platné závěry charakterizující zkoumaný jev. Spíše jako podklad pro další podrobnější výzkum hledající příčiny a podmíněnosti sledovaného stavu opřený o případové studie a pokud moţno i o kvalitativní výzkum (Novák a Netrdová, 2011). Přesně tak tomu je i v našem případě. Kvantitativní analýza nám umoţnila pochopit základní charakteristiky sledovaných jevŧ a vytyčila nám další postup, kudy by se měl náš výzkum dále ubírat. Pro účely této práce jsme byli nuceni velmi širokou oblast socioekonomické sféry významně zjednodušit. Srovnáváme totiţ data o úrovni dopravní dostupnosti a obsluţnosti dostupná za obce České republiky. Právě dostupnost dat aţ do úrovně obcí byla hlavním determinantem výběru socioekonomických ukazatelŧ. Účelem bylo popsání hlavních socioekonomických faktorŧ, jako byla podnikatelská aktivita, nezaměstnanost, migrace a vyjíţďka, pro tyto faktory byly hledány relevantní ukazatele dostupné za obce ČR. Hospodářské podmínky územních celkŧ, respektive obcí, lze vyjádřit řadou rŧznorodých charakteristik. Pro účely této rigorózní práce bylo nutno z mnoha zdrojŧ dat a ukazatelŧ vybrat takové, které mají vyšší vypovídací hodnotu ve vztahu k ekonomické aktivitě a populačnímu vývoji, jsou jejich určujícím prvkem a zároveň se vztahují k jednotkám obcí. Ekonomická úroveň obcí byla hodnocena na základě podnikatelské aktivity (spolu s výnosem z daně z příjmu fyzických osob), analýzy trhu práce a analýzy základních demografických údajŧ jako je migrační saldo a vyjíţďka za prací z obcí ve studovaném území. Pro geografickou analýzu í územní diferenciace v celé České republice bylo vybráno 7 indikátorŧ. Konkrétně jsou to: podnikatelská aktivita (počet registrovaných aktivních ekonomických subjektŧ na 1 obyvatele,

48

podíl zaměstnavatelŧ na ekonomicky aktivních v obci a podíl osob samostatně výdělečně činných na ekonomicky aktivních), míra nezaměstnanosti, daňová výtěžnost obcí na 1 obyvatele (z daně z příjmŧ fyzických osob z podnikání (DPFO)9, a demografické ukazatele (migrační saldo mezi lety 2001 a 2010 na 1000 obyvatel a podíl vyjíţdějících za zaměstnáním mimo obec na počtu obyvatel obce). Všechny ukazatele jsme se snaţili převádět na jednoho obyvatele (respektive na jednoho ekonomicky aktivního) tak, aby byly vzájemně srovnatelné v následujících korelačních, faktorových a regresních analýzách. Relativizace dat počtem obyvatel umoţňuje snadnější srovnání poměrně rozdílných typŧ dat. V případě míry nezaměstnanosti samozřejmě relativizace nebyla dále nutná. Podle toho z jakého roku jednotlivá data byla, jsme je relativizovali počtem obyvatel obce z daného roku. Doplňující vysvětlující faktory, které jsme pouţili ve faktorových analýzách, byly počet obyvatel obcí a dále obsazená pracovní místa v mikroregionálních a mezoregionálních střediscích na základě dat ze sčítání lidu z roku 2001. Údaj o obsazených pracovních místech v příslušném regionálním středisku byl přiřazen ke kaţdé obci spadající do daného mikro a nebo mezoregionu. Údaj o počtu obsazených pracovních míst ve středisku byl zvolen, protoţe zohledňoval ekonomickou sílu střediska. Pro srovnání dopravní dostupnosti s ekonomickými ukazateli totiţ hraje zásadní roli, jakou ekonomickou sílu má dané středisko. Mŧţeme mít totiţ poměrně dobře dostupná střediska, která představují jen málo pracovních příleţitostí. Naopak relativně vzdálenější, ale o to větší střediska, která pro rozvoj regionu představují nesrovnatelně větší impulz. Dále byl pouţit ukazatel počtu obsazených pracovních míst na ekonomicky aktivního obyvatele obce pro kaţdou obec pro rok 2001 převzatý ze zprávy Polyreg (1/2010, CpRR), (viz podkap. 5.2) a srovnatelný paralelní údaj nazvaný počet zaměstnancŧ v obci a vypočtený podle metodiky Ministerstva financí k 1.12. roku 2011. Údaj je dostupný webových stránkách Ministerstva financí (viz seznam zdrojŧ) v příloze č.1 k vyhlášce č. 449/2012 Sb. Ve sloupci č. 10 (Ministerstvo financí, 2013 [1]). Ve faktorové analýze byla zjištěna velmi vysoká závislost obou ukazatelŧ, proto byl v regresní analýze nakonec pouţit pouze ukazatel za rok 2011. Níţe si rozeberme podrobněji jednotlivé pouţité ukazatele.

5.4.1 Podnikatelská aktivita

Data o počtu ekonomických subjektŧ (za rok 2012) a počtu statistických jednotek typu podnik (tedy podnikŧ, u nichţ byla v daném roce zjištěna aktivita) za obce (2012) jsme získali na poţádání přímo z Českého statistického úřadu. Stejným zpŧsobem jsme získali i data za ekonomickou aktivitu v obci ze Sčítání lidu domŧ a bytŧ 2011, která jsou jinak dostupná opět na webových stránkách ČSÚ za jednotlivé obce formou online dotazu v Tab. 6 - Ekonomicky aktivní celkem a z toho zaměstnavatelé. Uváděli jsme konkrétně podíl zaměstnavatelŧ (podnikatelŧ se zaměstnanci) nikoliv osob samostatně výdělečně činných (bez zaměstnancŧ). Proto uvádíme v seznamu literatury 9

V korelační analýze byl pouţit ještě ukazatel rozdílu výtěţnosti této daně od daně z přidané hodnoty (DPH)

49

odkazy na data dohledatelná na webových stránkách ČSÚ (viz pouţité zdroje). Problémem těchto dat je ovšem nutnost dohledávat si výsledky za kaţdou obec formou online dotazŧ. Proto jsme vyuţili formu zaslání kompletních datových souborŧ přímo z ČSÚ. Vyjádřením ukazatele podnikatelské aktivity (počet registrovaných aktivních ekonomických subjektŧ na 1 000 obyvatel území) lze částečně odhalit a charakterizovat intenzitu malého a středního podnikání, které je obecně povaţováno za akcelerátor rozvoje území. Oba dva údaje, jak počet aktivních podnikŧ v obci, tak podíl zaměstnavatelŧ na ekonomicky aktivních v obci spolu úzce souvisejí. Jedná se o data aktuální a relativně spolehlivá. Ačkoliv se jedná o data o počtu podnikŧ a podílu zaměstnavatelŧ, mŧţe spočívat úskalí těchto dat v tom, ţe v České republice pracuje z dŧvodu nastavení našeho daňového systému velké procento osob na vlastní účet, ve skutečnosti se však jedná o zaměstnance firem. Tento jev se někdy neoficiálně nazývá „švarcsystém“ a do jisté míry mŧţe relativizovat výsledky námi zjištěných dat.

5.4.2 Míra nezaměstnanosti Vzhledem ke kompletní změně metodiky zjišťování míry nezaměstnanosti od roku 2012, jsme byli nuceni vyuţít poslední dostupné analýzy nezaměstnanosti v České republice podle staré metodiky. Dŧvodem je fakt, ţe data o míře nezaměstnanosti od roku 2012 do úrovně obcí nejsou dostupná. V České republice existovaly do roku 2012 dva ukazatele nezaměstnanosti – míra registrované nezaměstnanosti a míra obecné nezaměstnanosti. MPSV nově přešlo na místo míry registrované nezaměstnanosti na nový ukazatel nezaměstnanosti v ČR s názvem podíl nezaměstnaných osob. Nový ukazatel vyjadřuje podíl nezaměstnaných ze všech obyvatel ve věku 15–64 let, zatímco dosavadní míra nezaměstnanosti poměřovala uchazeče o zaměstnání pouze k ekonomicky aktivním osobám takto: 1. Míru registrované nezaměstnanosti vykazovalo MPSV. Ministerstvo práce vycházelo ze statistik úřadŧ práce a jako nezaměstnané uvádělo ty, kteří se na úřadech práce jakoţto nezaměstnaní zaregistrují. Míra nezaměstnanosti byla podílem těch, kteří se jako nezaměstnaní zaregistrovali na disponibilní pracovní síle (zahrnuje všechny osoby 15leté a starší, které během referenčního týdne příslušely mezi placené zaměstnané nebo zaměstnané ve vlastním podniku), (Svobodová, Věţník, Hofmann, 2013). Námi pouţitá data jsou tedy podle staré metodiky, jelikoţ jsou více relevantní. Vyuţili jsme data GIS 0 - Prostorové analýzy, prosinec 2011 (1.12.2011 - 31.12.2011), Ministerstva práce a sociálních věcí (viz seznam literatury), kde jsme konkrétně vyuţili ukazatel míry nezaměstnanosti z dosaţitelných uchazečŧ.

5.4.3 Příjmy z daní Jako ukazatel ekonomické úrovně v obci byl vyuţit i ukazatel příjmŧ daní. Příjem z daní ovšem jiţ dlouhou dobu souvisí s jejich výběrem velmi minimálně. Naším zájmem bylo zjistit, jaký je výběr daní v kaţdé jednotlivé obci České republiky. Tento údaj by nám zřejmě nejlépe a nejjednodušším zpŧsobem ilustroval ekonomickou úroveň obyvatelstva obce. Tyto údaje ovšem Ministerstvo financí neposkytuje a nejsou pro nás bohuţel dostupné. Pokud se podrobněji budeme zabývat

50

vývojem rozpočtového určení daní, zjistíme, ţe v současnosti jsou jediné dvě poloţky daňových příjmŧ obcí, kde zŧstal motivační prvek odvíjející se od výběru daní v obci. Konkrétně se jedná o daň z příjmŧ fyzických osob ze závislé činnosti a daň z příjmŧ fyzických osob ze samostatné výdělečné činnosti (z podnikání). V prvním případě připadá na obce pouze 1,5 % výběru této daně odvislé od počtu zaměstnancŧ s místem výkonu práce v obci. Tudíţ ani ne od reálného výběru daně. Pro naše účely tak zbývá pouţít pouze první poloţku výnosu daně z příjmŧ fyzických osob z podnikání, kde 30 % daně je rozděleno obcím podle bydliště podnikatele (viz obr. 10). Dle současného modelu rozpočtového určení daní (RUD) náleţí obcím tedy výnos z této daně ve výši 30 % ze záloh na daně z příjmŧ fyzických osob. Jedná se o tzv. motivační sloţku v rámci sdílených daňových příjmŧ plynoucí do rozpočtŧ obcí, jejímţ cílem je vytvářet příznivé podmínky pro podnikání a podporovat podnikatele v příslušné obci. V současné době jsou tendence ve vytváření podmínek pro podnikání minimální nebo ţádné. Obce nemají motivaci vytvářet příznivé podmínky pro podnikání, neboť nemají záruku, ţe si podnikatel téţ zařídí i své trvalé bydliště v dané obci. Podobně je tomu i u výnosu z daně z příjmŧ právnických osob, jelikoţ výnos z daně přichází do obce pouze, pokud firma v obci trvalé sídlo (Koťátková Stránská, 2012). Vyuţití dat ohledně výnosŧ daně z příjmŧ právnických osob tedy není pro naši analýzu vhodné, jelikoţ obrovské procento firem má hlášenou svou trvalou adresu, jinde neţ je reálné místo jejich podnikání (především v Praze).

Obr. 8: Rozpočtové určení daní v letech 2008 až 2012 v České republice Zdroj: Ministerstvo Financí, 2013 [3]

Daňové příjmy obcí byly sice do roku 2000 odvinuty od výběru daní v obci, ovšem tato data jsou jednak jiţ poměrně zastaralá, ale především nejsou v dostupných internetových zdrojích

51

dohledatelná. Z toho dŧvodu jsme byli nuceni vyuţít jako jediný relevantní údaj o výběru daní v obcí ČR data o výnosu z daně z příjmu fyzických osob ze samostatné výdělečné činnosti, která jsou dostupná v aplikaci prezentačního systému ÚFIS. Aplikace ÚFIS zprostředkovávají zobrazení vybraných účetních a finančních záznamŧ povinných účetních jednotek, která jsou předávána do Centrálního systému účetních informací státu /CSÚIS/. Zároveň je v aplikaci ÚFIS provedeno zveřejňování účetních závěrek organizačních sloţek státu podle § 21a zákona č. 563/1991 Sb., o účetnictví, ve znění pozdějších předpisŧ (Ministerstvo financí, 2013 [2]). Vyuţili jsme poslední aktuální data za rok 201210. Celkový výnos z této daně je ovlivněn především koeficientem, podle kterého se všechny daně jednotlivým obcím rozdělují. Koeficient vychází z počtu obyvatel obce11, celkové výměry katastru obce a počtu dětí v mateřských školách a ţákŧ základních škol navštěvujících školu zřizovanou obcí (Ministerstvo financí, 2013, [1]). Vzhledem k tomu, ţe není zcela jasné, jak velký význam hraje ve výsledku motivační prvek 30 % výnosu z daně podle bydliště podnikatele, rozhodli jsme se pro kontrolu a zjasnění předešlého ukazatele uvést ještě ukazatel rozdílu mezi výnosem z daně z příjmu fyzických osob (DPFO) a příjmu daně z DPH. Daň z DPH je totiţ vypočtena pouze pomocí výše zmíněných koeficientŧ a rozdíl s DPFO tak umoţňuje zjistit do jaké míry je výnos DPFO ovlivněn těmito koeficienty. Navíc musíme brát v úvahu také fakt, ţe výběr daně z příjmŧ z podnikání je velmi malý oproti hlavním příjmŧm z daní. Například roku 2012 činil výběr této daně 2 737 153 320 Kč, zatímco jen příjem z DPH činil 55 744 253 640 Kč (Ministerstvo financí, 2013, [2]). I proto je pak diferenciace této daně v rámci obcí ovlivněna relativně malými rozdíly mezi příjmy z této daně.

5.4.4 demografické údaje K dokreslení ekonomického stavu obcí České republiky jsme se rozhodli data ekonomické povahy doplnit o data popisující obyvatelstvo samotné. Prvním ukazatelem, který jsme se rozhodli sledovat, byla vyjíţďka za prací. Konkrétně jsme vyuţili podíl vyjíţdějících na celkovém počtu obyvatel obce. Oba dva údaje jsme čerpali ze Sčítání lidu domŧ a bytŧ 2011. K zachycení intenzity vyjíţďky za prací pouţíváme data o celkové vyjíţďce a dojíţďce za prací mimo obec (bez pracujících studentŧ a učňŧ), (ČSÚ, 2013 [1]). Podíl vyjíţdějících mŧţe být dalším vysvětlujícím faktorem pro ekonomický stav v obci. Pokud v obci není dostatek pracovních příleţitostí, jsou obyvatelé obce nuceni vyjíţdět za prací mimo obec. Velkým problémem dat ze Sčítání lidu domŧ a bytŧ 2011 je ţe nebylo postihnuto zhruba 30 % vyjíţďky a dojíţďky. Takřka třetina respondentŧ neodpověděla na otázky týkající se především směrŧ dojíţďky správně, nebo vŧbec, proto jsou data týkající se dojíţďky zatíţena velkou chybovostí. V našem případě jsme se snaţili chybu kompenzovat tím, ţe jsme brali v úvahu pouze celkový podíl vyjíţdějících mimo obec bez ohledu na směrové proudy. Tato data jsou výrazně spolehlivější. 10 11

Přičemţ systém rozpočtového určení daní se od roku 2013 opět poněkud pozměnil. Fakticky jsou obce rozděleny do jednotlivých kategorií podle počtu obyvatel

52

Jako druhý ukazatel demografické situace v obci jsme pouţili ukazatel migračního salda na 1000 obyvatel středního stavu (relativizovaná neboli hrubá míra migračního salda) za deset let od roku 2001 do roku 2010. Migrační saldo představuje rozdíl mezi počtem přistěhovalých a vystěhovalých za dané časové období. Pozitivní migrační saldo tedy značí migrační rŧst, zatímco negativní značí migrační úbytek. Pro námi provedené analýzy je tudíţ vhodnější, jelikoţ umoţňuje srovnání mezi obcemi. Kaţdá obec je totiţ jinak populačně veliká a ukazatele by byly obtíţně srovnatelné. Předpokládali jsme, ţe obce s vysokou negativní hodnotou relativizované míry migračního salda budou představovat obce s horším socioekonomickým statusem a podobně obce s vysokou pozitivní hodnotou relativizované míry migračního salda budou představovat obce, jejichţ socioekonomický stav je uspokojivý.

5.5 Korelace jednotlivých ukazatelů Korelace znamená vzájemný vztah mezi dvěma proměnnými. Pokud se jedna z nich mění, mění se korelativně i druhá proměnná. Pro naší analýzu jsme pouţili výpočet základního ukazatele korelační závislosti – korelační koeficient (korelační počet). Úkolem základního korelačního koeficientu (počtu) je změřit těsnost změny hodnoty znaku závisle proměnné při změně hodnoty znaku nezávisle proměnné. Stanovení této těsnosti (těsnosti korelační závislosti) je nutným krokem, jeţ předchází regresní analýze. Zmíněnou těsnost závislosti dvou jevŧ (dvou náhodných veličin X a Y) v našem případě ukazatelŧ dopravní dostupnosti a socioekonomických ukazatelŧ měříme tedy pomocí korelačního koeficientu (ozn. R, popř. rxy.). Pouţití korelačního koeficientu předpokládá normální rozdělení obou výběrŧ (pokud tomu tak není, je třeba oba výběry na toto rozdělení převést), další podmínkou je linearita vztahu xi a yi, tzn., ţe regresní funkcí musí být přímka. Výše zmiňovaný koeficient se nazývá v odborné literatuře často téţ „Pearsonŧv korelační koeficient“. Dŧleţitým pojmem korelační a regresní analýzy je „korelační pole (diagram)“, coţ je bodový graf (XY), který zobrazuje obě náhodné veličiny (Toušek a kol., 2009), tento diagram byl v práci uveden aţ v poslední kapitole týkající se typologie obcí, v ostatních případech jsme jej z dŧvodu rozsahu práce neuváděli. V našem případě jsme výpočty prováděli v programu STATISTICA Cz 10 licencovaném Masarykovou univerzitou. Vypočetli jsme korelační koeficienty pro jednotlivé páry proměnných. Jednalo se o ukazatele dopravní dostupnosti a obsluţnosti za obce České republiky, tento soubor první proměnné jsme korelovali s ukazateli druhé proměnné, tedy s jednotlivými socioekonomickými ukazateli, viz podkapitola 5.4. Nejprve jsme si zvolili hladinu významnosti. Tedy pravděpodobnost, ţe náhodná odchylka překročí danou hodnotu – tzv. kritickou hodnotu. Korelace byla prováděna na hladině významnosti p = 0,05 (95 %). Na této hladině významnosti se nám pak ukázaly jako významné některé dvojice proměnných (viz analytická část). Statistický soubor, se kterým jsme pracovali, čítal 6251 obcí.

53

V případě mikroregionální úrovně jsme odstranili ze souboru mikroregionální střediska a pracovali jsme se souborem 5988 obcí. Podobně na mezoregionální úrovni jsme odstranili mezoregionální střediska, pracovali jsme tedy s 6201 obcemi. Na makroregionální úrovni se jednalo pouze o jedno středisko (Prahu). Odstranění obcí, které jsou zároveň středisky, bylo nutné, protoţe tyto obce vykazovaly v dopravní dostupnosti i obsluţnosti nulové hodnoty a analýzu výrazně zkreslovaly. Jedná se o počet obcí v roce 2010. Tento počet je dán tím, ţe data za dopravní obsluţnost jsou za rok 2010, proto ostatní ukazatele, které byly následně dohledávány, byly uzpŧsobeny tomuto datovému souboru. V okamţiku, kdy je p menší neţ 0,05 (červená čísla) zamítáme nulovou hypotézu o tom, ţe korelační koeficient je roven nule, tedy je nevýznamný. Naopak v případě, ţe je větší neţ 0,05 (černá čísla) není vztah na této hladině významnosti významný.

5.6 Faktorová analýza Faktorová analýza se řadí mezi tzv. vícerozměrné statistické metody, tedy do specifické skupiny technik zabývajících se vícekriteriálním vyhodnocením určitých objektŧ či jednotek. Faktorová analýza je zaloţena na předpokladu, ţe závislosti mezi sledovanými proměnnými jsou dŧsledkem pŧsobení určitého menšího počtu v pozadí stojících nezměřitelných veličin, které jsou označované jako tzv. faktory. Základní princip tedy tkví v redukci počtu pŧvodních proměnných, z nichţ je na základě sloţitých matematických konstrukcí vytvořeno menší mnoţství nových charakteristik (tj. zmíněných faktorŧ), jeţ jsou lineárními kombinacemi pŧvodních proměnných. Výrazně niţší počet nově vzniklých indikátorŧ pak usnadňuje interpretaci při relativně malé ztrátě informace pŧvodních proměnných. Ze své podstaty se jedná spíše o metodu prŧzkumnou. Při její aplikaci není definována nulová hypotéza, kterou bychom uţitím metody ověřovali (Budíková a kol. 2010; Toušek a kol., 2009). V našem případě se jednalo o předchozí krok k následující regresní analýze. Na základě mnoţství ukazatelŧ dopravní dostupnosti a dopravní obsluţnosti v obcích ČR (viz podkapitola 5.2 a 5.3) jsme chtěli zjistit integrující (vysvětlující faktory). Do provedené faktorové analýzy jsme zahrnuli jiţ poněkud integrované ukazatele dopravní dostupnosti a obsluţnosti za dvě regionální úrovně – za mikroregiony a mezoregiony. Konkrétně se jednalo o vzdálenost mikroregionálního centra po silnici (v km), časovou vzdálenost centra (v min), prŧměrnou rychlost s jakou je moţno se do mikroregionálního centra po silnici dostat, počet spojŧ, které ve všední den ze zkoumané obce do mikroregionálního střediska jezdí, prŧměrnou dobu jízdy těmito spoji, a prŧměrnou bodovou hodnotu dopravní obsluţnosti obce do mikroregionálního střediska ve všední den i v sobotu. Stejným zpŧsobem jsme pouţili i ukazatele dostupnosti a obsluţnosti mezoregionálních středisek. Následně jsme vytvořili dva vysvětlující faktory dopravních ukazatelŧ a to ukazatel dopravní dostupnosti, integrující údaje o dojezdnosti individuální automobilovou dopravou po silnici a

54

ukazatel dopravní obsluţnosti zahrnující ukazatele dojezdnosti spoji veřejné hromadné dopravy. Pro zpracování dat jsme vyuţili softwaru IBM SPSS Statistics 20 v licenci Masarykovy univerzity.

5.7 Regresní analýza faktorů dopravních se socioekonomickými ukazateli Náplní naší regresní analýzy bude hledání a zkoumání závislostí proměnných v souboru statistických dat, přičemţ tyto proměnné (jevy, veličiny) povaţujeme za náhodné. Dvojice náhodných proměnných (závislých, jejichţ závislost jsme ověřili korelační analýzou) je reprezentována nezávisle proměnnou X a závisle proměnnou Y. Jako závisle proměnné jsme nejprve pouţili časovou vzdálenost obcí po silnici do mikroregionálního centra, protoţe nejlépe reprezentuje ukazatele dopravní dostupnosti. Dále jsme pouţili uţ faktory vzešlé z faktorové analýzy, dostupnost a obsluţnost nejprve do mikroregionálních a pak do mezoregionálních center a jako poslední faktor jsme pouţili faktor dostupnosti do makroregionálního centra – Prahy. K těmto závisle proměnným jsme přiřadili sadu nezávisle proměnných na základě předchozí korelační analýzy tak, aby byla vypovídací hodnota modelu, co moţná nejvyšší. V první analýze se jednalo o ukazatele počtu obsazených pracovních míst mikroregionálního, respektive mezoregionálního centra k roku 2011, dále počet obsazených pracovních míst v obci/ekonomicky aktivní v obci (2001), míru nezaměstnanosti (2011), hrubou míru migračního salda 2001-2010, podíl vyjíţdějících na obyvatelstvu (2011), počet podnikŧ na obyvatele (2012) a daň z příjmu z fyzických osob ze samostatné výdělečné činnosti (2012). V druhé analýze jsme se rozhodli pro kontrolu pouţít jiné ukazatele, abychom předešli zkreslení. Jednalo se o ukazatele nezaměstnanosti (2011), relativizovanou míru migračního salda 2001/2010, podíl zaměstnavatelŧ na ekonomicky aktivních (2011), počet podnikŧ na obyvatele (2012) a daň z příjmu fyzických osob z podnikání na obyvatele (2012). Vypustili jsme počet OPM v centrech a podíl vyjíţdějících, jelikoţ vykazovaly vysoké hodnoty regresních koeficientŧ a nevysvětlovali příliš samotnou ekonomickou situaci v obci. Naopak jako nový ukazatel jsme pouţili syntetický ukazatel typologie obcí podle MMR (2012), viz níţe, podkap. 5.8. Vzhledem k tomu, ţe typologie obcí podle MMR částečně zahrnuje i faktor dopravní dostupnosti obcí, se kterým bychom ji korelovali, jsme se rozhodli provést regresní analýzu zvlášť s ukazatelem typologie a zvlášť bez něj. K popisu a vyšetřování závislosti náhodných veličin Y na X uţíváme regresní analýzu, přičemţ tuto závislost vyjadřujeme regresní funkcí. V našem případě jsme zvolili typ váţené lineární regrese, protoţe jsme předpokládali, ţe vztah zkoumaných veličin bude lineární. Regresi jsme vážili počtem obyvatel obcí, jelikoţ tento faktor byl nejdŧleţitějším vysvětlujícím faktorem vzájemné závislosti jevŧ a další analýzy výrazně usnadnil. Vztahy očištěné o rozdílné populační velikosti zkoumaných obcí vykazovaly následně větší závislost.

55

Lineární regrese je nejjednodušší případ regresní funkce, kdy regresní čárou je přímka. Tato přímka je dána vztahem y = a + bx, coţ je „analytický výraz“, který vyjadřuje výskyt hodnot y (závisle proměnná), očekávaných s největší pravděpodobností a podmíněných změnami x (nezávisle proměnná). Prŧběh regresní přímky je určen metodou nejmenších čtvercŧ (jedná se o nejčastěji uváděný zpŧsob určení regresní čáry). Metoda spočívá v tom, ţe se přímka přimyká bodŧm korelačního pole tak, ţe součet druhých mocnin (čtvercŧ) vzdáleností bodŧ pole od přímky musí být minimální (Budíková a kol., 2010; Toušek a kol, 2009). K výpočtŧm koeficientŧ a, b regresní přímky jsme pouţili opět softwaru IBM SPSS Statistics 20 v licenci Masarykovy univerzity. Výsledkem tedy byly hodnoty koeficientŧ určujících míru regrese závisle proměnné s nezávisle proměnnými.

5.8 Komparace socioekonomické typologie obcí podle MMR s ukazateli dopravní dostupnosti a obslužnosti Poslední analýzu jsme se rozhodli provést pro dokreslení předchozích výsledkŧ. Srovnání dopravní dostupnosti a obsluţnosti s komplexnějším vymezením socioekonomické úrovně obcí v typologii území České republiky podle Ministerstva pro místní rozvoj (2012) umoţnilo kontrolu námi provedených analýz s jinými komplexnějšími výsledky. Tato typologie umoţňuje díky své metodice (viz níţe) sofistikovanější vymezení rozvojových a periferních území, neţ o které jsme se pokusili my na základě dostupných socioekonomických a dopravních dat. Navíc rozpracovaný materiál nové Strategie regionálního rozvoje ČR pro období 2014-2020 představuje výsostně aktuální problematiku, ke které se naše práce vymezuje. Strategie regionálního rozvoje ČR pro období 2014–2020 je základním koncepčním dokumentem v oblasti regionálního rozvoje. Dle zákona č. 248/2000 Sb., o podpoře regionálního rozvoje formuluje přístup státu k podpoře regionálního rozvoje. Pořizovatelem koncepce je Ministerstvo pro místní rozvoj ČR. Zpracovatelem koncepce, v současnosti především analytických částí je sdruţení firem GaREP, spol. s r.o. a Regiopartner, s.r.o. (Regionální rozvoj, 2013). Mŧţeme tedy ve Strategii regionálního rozvoje nastíněné směry a koncepce rozvoje České republiky, především v oblasti dopravy, s našimi výsledky srovnat a naznačit jiná řešení. Převzatá metodika vymezení typologie území ČR z hlediska syntézy ukazatelŧ rozvojových podmínek obcí a struktury osídlení uplatněná ve Strategii regionálního rozvoje ČR je následující. Za (pozitivní) rozvojové znaky územní jednotky povaţuje situaci, kdy územní jednotka vykazuje znaky a charakteristiky obvykle tvořící předpoklad (potenciál) relativně příznivého rozvoje (populačního, ekonomického, sociálního, stavebního, aj.), a to z hlediska sociálně ekonomické struktury obyvatelstva (tj. sociálně ekonomického potenciálu), polohového potenciálu, anebo se jiţ v současnosti rozvíjí zřetelně dynamičtěji neţ jiné jednotky (MMR, 2012). Protiklad pak vymezuje jednotky s negativními rozvojovými znaky představující periferní území. Prŧměrný nebo nevyrovnaný stav, např. značné kolísání jednotlivých indikátorŧ, určuje územní

56

jednotky stabilizovaných oblastí. Identifikace rozvojových, resp. nerozvojových znakŧ územních jednotek tak spočívá ve třech rovnocenných sektorech: A) sociálně-ekonomický potenciál jednotky (měřený ve srovnání s prŧměrem ČR) je vyjádřen těmito indikátory: – koncentrace osídlení, resp. populační velikost (za obce) – stav k 1. 1. 2011, – míra registrované nezaměstnanosti (stav k 31. 12. 2010) ve srovnání s prŧměrem ČR, – počet podnikatelských subjektŧ na 1000 obyvatel (stav k 31. 12. 2010) ve srovnání s prŧměrem ČR, – roční daňové příjmy na 1 obyvatele v Kč (stav k 31. 12. 2010) ve srovnání s prŧměrem ČR (MMR, 2012). B) polohový potenciál jednotky (vztaţený k centrŧm osídlení a hlavním dopravním cestám). Tento ukazatel má originální konstrukci spočívající v přiřazení kaţdé obce do jednoho z devíti definovaných stupňŧ. Hodnota za obce je vypočtena jako váţený prŧměr hodnot za obce. Polohový potenciál je nejlépe zachycen dopravními moţnostmi a prostřednictvím času stráveného na cestě. Předmětem určení jsou izochrony dostupnosti motorovými vozidly z obce do střediska osídlení a k významným dopravním cestám a nabídka četnosti vlakŧ osobní přepravy, které je moţno pouţít v ţelezniční stanici v obci (MMR, 2012). C) Dynamika vývoje jednotky v určitém aktuálním období (měřená ve srovnání s prŧměrem ČR). Je vyjádřena vývojovými řadami ukazatelŧ: – index vývoje počtu obyvatel v období 2001–2011 – přírŧstek/úbytek míry registrované nezaměstnanosti v období 2001–2010 – index vývoje počtu podnikatelských subjektŧ v období 2001–2010 – počet dokončených bytŧ v období 2011–2011 na 100 obyvatel ve srovnání hodnotou za ČR (MMR, 2012) Na základě těchto ukazatelŧ byly obce České republiky kategorizovány do devíti kategorií od nejhorších (typ 1) po nejlepší (typ 9). Takto rozdělené obce jsme se rozhodli srovnat s námi vymezenými integrovanými ukazateli formou korelačních analýz a mapových výstupŧ: - prŧměrnou hodnotou dopravní obsluţnosti mikro a mezoregionu (integrované hodnoty dopravní obsluţnosti za všední den a sobotu) - prŧměrnou hodnotou dopravní dostupnosti do mikroregionálního střediska a prŧměrnou hodnotou dopravní dostupnosti do mezoregionálního střediska (podle vzorce: t = s / v , kde t – výsledná časová vzdálenost jednotlivých hran, potřebná pro jejich projetí; s [km] – délka jednotlivých hran (úsekŧ silnic); v [km/h] – prŧměrná rychlost vozidel na jednotlivých úsecích komunikací v jednotlivých letech) - hodnotou integrované dostupnosti, kde došlo k zprŧměrňování obou předchozích dostupností jak do mikroregionálního, tak do mezoregionálního střediska. Poslední analýzou byla regresní analýza srovnávající typologii obcí podle MMR (2012) (závisle proměnnou) s faktory dopravní dostupnosti a obsluţnosti vypočtenými na základě faktorové analýzy (nezávisle proměnnými), (viz podkapitola 5.6). Regresi jsme provedli odděleně ve dvou modelech, na mikroregionální a na mezoregionální úrovni.

57

6. ANALÝZA DOPRAVNÍ DOSTUPNOSTI Ukazatele dopravní dostupnosti jsme se rozhodli analyzovat nejprve pomocí mapových vizualizací. Zvolili jsme data popisující dostupnost určitého střediska prostřednictvím individuální automobilové dopravy po silnici. Pro kaţdou regionální úroveň jsme vybrali ilustrace časové dostupnosti regionálního střediska, prŧměrné rychlosti dojezdnosti do střediska a v některých případech jsme pro ilustraci doplnili i ukazatel časové náročnosti dopravní infrastruktury při dojezdnosti do středisek (jedná se o kombinaci kilometrické délky s prŧměrnou rychlostí na jednotlivých zkoumaných úsecích středisko – obec). Do seznamu map jsme nezařazovali fyzické vzdálenosti, jelikoţ jejich vypovídací hodnota je velmi podobná s časovou dostupností, přičemţ časová dostupnost lépe ilustruje kvalitu dopravní infrastruktury, o kterou nám jde v první řadě. Navíc časové vyjádření dostupnosti je z psychologického hlediska podstatnější neţli dostupnost kilometrická. Ukazuje to např. dojíţďka z obcí do Prahy, která je ovlivněna poloţením rychlostních dopravních sítí (především dálnic, ale i hlavních ţeleznic) spíše neţ vzdáleností od metropole (Marada a Květoň, 2006)

6.1 Mikroregionální úroveň Dostupnost mikroregionálních středisek prostřednictvím individuální automobilové dopravy představuje ukazatel dostupnosti středisek denní dojíţďky za prací. Jedná se tedy dle našeho názoru o jeden z nejlepších ukazatelŧ dostupnosti pracovních příleţitostí. Z námi vytvořené mapy je zřejmé, ţe na dostupnost jednotlivých obcí má zcela zásadní vliv velikost pracovního centra. Pokud se jedná o středisko s vyšším počtem obsazených pracovních míst, je i jeho pracovní mikroregion větší. Obce na jeho okraji jsou tudíţ z časového hlediska hŧře dostupné. To ovšem nemusí znamenat jejich horší ekonomickou pozici v rámci České republiky. Relativně vzdálenější Brno představuje pro obec výrazně větší rozvojový impulz neţ relativně blízká Jemnice, Telč, nebo Králíky. Dŧvodem je fakt, ţe větší střediska představují výrazně větší rozvojový potenciál pro přilehlé obce. Obce bliţší velkým a ekonomicky silným městŧm budou trpět niţší nezaměstnaností, jelikoţ zde bude dostatek pracovních příleţitostí i pro obyvatele přilehlých obcí. Budou zřejmě těţit i z probíhající rezidenční a nerezidenční suburbanizace, která přispívá k zvyšování počtu obyvatel v zázemí města a stěhování některých výrobních závodŧ, skladŧ a jiných provozŧ za město. Na druhou stranu malá a ekonomicky slabá města, jako například Jemnice, Králíky Moravský Krumlov atd., budou naopak trpět nedostatkem pracovních příleţitostí. Ve ekonomicky slabých mikroregionálních (i meziregionálních) střediscích je mnohdy vysoká nezaměstnanost a nízká podnikatelská aktivita (počet podnikŧ), takţe jejich lepší dopravní dostupnost pro přilehlé obce nepřináší příliš velký rozvojový potenciál.

58

Obr. 9: Úroveň časové dostupnosti mikroregionálního střediska Zdroj: Mapy API, 2012

Z hlediska časové dostupnosti na mikroregionální úrovni vycházejí nejlépe polycentrické regiony s poměrně slabými centry. Týká se to především Náchodska, Orlickoústecka, Vysočiny, Slovácka, severních a severovýchodních Čech. Naopak zázemí velkoměst jako Praha, Brno, Plzeň a České Budějovice zahrnují obce s horší časovou dostupností, podobně i řidčeji zalidněné jihozápadní Čechy. Námi zvolená metoda analýzy dostupnosti tedy svědčí spíše o struktuře osídlení a velikosti pracovního centra, neţ ţe by umoţňovala objektivní posouzení a srovnání úrovně dopravní infrastruktury v obcích České republiky. Na druhou stranu i na mikroregionální úrovni mŧţeme sledovat lepší časovou dopravní dostupnost podél komunikací vyššího řádu především však u menších středisek, kde centrum obce není příliš vzdáleno od okraje obce (Domaţlice, Znojmo, Vyškov, ale i České Budějovice).

59

Obr. 10: Průměrná rychlost dojezdnosti do mikroregionálního střediska Zdroj: Mapy API, 2012

Hodnocení dopravní dostupnosti z hlediska prŧměrné rychlosti, se kterou je moţno dosáhnout mikroregionálního střediska, představuje do jisté míry objektivnější ukazatel úrovně dopravní infrastruktury neţ časová dostupnost. Dŧvodem je skutečnost, ţe na komunikacích vyšší třídy mŧţe dojíţdějící jet vyšší prŧměrnou rychlostí. Díky tomu bychom měli být schopni posoudit úroveň dopravní infrastruktury. Časová dostupnost sice tento fakt také zohledňuje, ale je determinována především fyzickou vzdáleností. Pokud se ovšem podíváme na výsledky naší analýzy, je zřejmé, ţe na úroveň prŧměrné rychlosti, s jakou je moţno se do střediska dostat, má opět zásadní vliv blízkost daného střediska. Paradoxně horší rychlosti vykazují obce bliţší centrŧm, neţ ty vzdálenější. Dŧvod je jednoduchý. Výpočet dostupnosti byl dán vţdy do středu obce. Tudíţ čím kratší vzdálenost, tím větší roli hrála doba jízdy přes město. Pokud bychom však měřili dostupnost města dojezdností na jeho okraj, nebylo by to zcela objektivní vzhledem k nestejné vzdálenosti okrajŧ od center měst, navíc nám metoda měření na webových serverech (mapy API) takovou moţnost neumoţňuje. Nejlépe patrná je úroveň dopravní infrastruktury u větších mikroregionŧ Brna, Prahy i Českých Budějovic, kde obce napojené na dálnici, nebo silnice první třídy vykazují výrazně vyšší prŧměrné rychlosti, neţ menší obce vzdálenější od těchto komunikací. Přesto i obce mimo kvalitní infrastrukturu například na Šumavě, Jindřichohradecku, na Karlovarsku, v Bílých Karpatech, či v Jeseníkách vykazují poměrně vysoké prŧměrné rychlosti dojezdnosti do center. To jen dokazuje,

60

ţe opět byla významným determinantem úrovně dostupnosti vzdálenost od centra spíše neţ kvalita dopravní infrastruktury.

6.2 Mezoregionální úroveň Analýza dopravní dostupnosti do mezoregionálních center je ještě více ovlivněna nestejnou velikostí pracovních mezoregionŧ, neţ tomu bylo u mikroregionŧ. Pracovní mezoregiony Prahy, Brna, Plzně nebo Českých Budějovic jsou nesrovnatelně větší, neţ jsou mezoregiony v severních Čechách, na Vysočině, nebo na střední Moravě. Opět je tak dopravní dostupnost na úrovni mezoregionŧ determinována především sídelní strukturou, respektive polycentricitou, nebo monocentricitou sídelního systému. Nejlepší dopravní dostupnost mezoregionálních center, u kterých bychom jiţ mohli předpokládat dostatečné mnoţství pracovních příleţitostí, je tedy v polycentrických regionech střední Moravy, Severních Čech a na Vysočině. Ani jeden z těchto regionŧ ovšem není nijak ekonomicky silný a vykazuje spíše podprŧměrné ekonomické ukazatele. Do mapy jsme pro přehlednost vynesli i komunikace s více jak dvěma jízdními pruhy v jednom směru, tak aby bylo jasnější, kudy dané rychlostní komunikace vedou. Data o dopravní dostupnosti jsou ovšem za rok 2012, zatímco mapová vrstva (ARC ČR 500) popisující silniční síť byla výrazně starší. Nepopisuje tak kompletně trasy všech rychlostních komunikací.

Obr. 11: Úroveň časové dostupnosti mezoregionálního střediska Zdroj: Mapy API, 2012

61

Jako doplňující faktor hodnotící dostupnost jsme se rozhodli u mezoregionální úrovně zhodnotit i ukazatel časové náročnosti silniční sítě při dojíţďce do meziregionálních center. Tento ukazatel v mapovém zobrazení vykazuje velkou míru podobnosti s ukazatelem časové dostupnosti. Proto jsme se rozhodli ho ani v mikroregionální ani v makroregionální úrovni nepouţívat. V podstatě ukazatel pouze shladil největší extrémy a poněkud zvětšil nejbliţší zázemí měst, kde je časová náročnost silniční sítě niţší.

Obr. 12: Časová náročnost dojezdnosti do mezoregionálního střediska Zdroj: Mapy API, 2012

Při hodnocení prŧměrné rychlosti dojezdnosti do meziregionálního centra byly jednoznačně nejlépe rychlostně dostupné obce v blízkosti rychlostních komunikací a relativně daleko od centra. Týkalo se to především obcí napojených na dálnici D5 na Tachovsku. Dále obcí napojených na D1 na Vysočině, ať jiţ spadajících do mezoregionu Prahy, Jihlavy, nebo Brna. Podobně i obcí v blízkosti dálnice D1 na Vyškovsku a D1 a R 48 na Ostravsku, obcí u D8 na Dráţďany a některých obcích na okrajích praţského mezoregionu. Naopak nejniţší rychlosti dojezdnosti vykázaly polycentrické oblasti Severních Čech, střední Moravy atp.

62

Obr. 13: Průměrná rychlost dojezdnosti do mezoregionálního střediska Zdroj: Mapy API, 2012

6.3 Makroregionální úroveň Dopravní dostupnost makroregionálního střediska jsme určovali pouze do jediného střediska; do Prahy. Vzhledem k protáhlému tvaru naší republiky byla úroveň dopravní dostupnosti silně ovlivněna západo-východním gradientem vzdálenosti od hlavního města. Časová dostupnost poměrně věrně ilustruje vedení komunikací vyššího řádu, především dálnic a rychlostních komunikací. Pro lepší orientaci v mapě jsme opět pouţili mapovou vrstvu zobrazující rychlostní komunikace, která je však staršího data. Z toho dŧvodu lepší úroveň dopravní dostupnosti vykazují i obce v blízkosti současných dálnic a rychlostních silnic, které na mapě zobrazeny nejsou. Pokud pomineme obce nejblíţe přiléhající k Praze, jednoznačně časově nejlépe dostupné jsou obce radiálně vybíhající podél rychlostních komunikací vedoucí do Prahy. Velmi dobrá časová dostupnost je především v severozápadním směru podél dálnice D8 a jihovýchodním směrem ve směru dálnice D1. Podobně jsou na tom i obce podél D5 na Plzeň, R4 na Příbram , D11 na Hradec králové, R10 na Liberec, R7 na Slaný a R6 na Kladno. Na Moravě se rozdíly jiţ poněkud stírají, přesto je stále patrná lepší časová dostupnost podél dálnice D1, D2 a podél rychlostní silnice R46 na Olomouc a R52 na Pohořelice.

63

Obr. 14: Úroveň časové dostupnosti makroregionálního střediska Zdroj: Mapy API, 2012

Ukazatel prŧměrné rychlosti vynesený do mapy nám umoţňuje jednodušeji určit obce lépe dopravně dostupné a napojené na rychlostní komunikace na Moravě. Na rozdíl od ukazatele časové dostupnosti, jsou zde znatelnější rozdíly mezi regiony (obcemi) lépe a hŧře napojenými na dálnice a rychlostní silnice. Jako perifernější obce vystupují obce na Jesenicku (západním), obce v Bílých Karpatech a v Javornících, obce na Drahanské vrchovině, jih Vysočiny a Znojemsko. Z mapy je také zřejmé, ţe hŧře dopravně dostupné jsou obce v některých směrech od Prahy. Zjednodušeně je mŧţeme označit jako oblasti (osy) mezi hlavními trasami rychlostních komunikací a částečně se shodují s oblastmi vnitřních periferií. Je to směr Ţelezných hor, Povltaví, Brdŧ aţ po Sušicko, Ţatecka, Lounska a Kokořínska aţ do Šluknovského výběţku.

64

Obr. 15: Průměrná rychlost dojezdnosti do makroregionálního střediska Zdroj: Mapy API, 2012

6.4 Shrnutí Z analýzy dopravní dostupnosti po silniční síti je zřejmé, ilustruje kvalitu dopravní infrastruktury v rŧzné míře na rŧzných měřítkových úrovních. Kvalita dopravní infrastruktury nejzřetelněji vystupuje na makroregionální úrovni, na meziregionální úrovni je silně ovlivněna velikostí jednotlivých mezoregionŧ. Tudíţ u větších mezoregionŧ vystupují vzdálenější a lépe dopravně napojené oblasti více najevo. Na mikroregionální úrovni je vliv dopravní infrastruktury nejméně patrný, protoţe v na tak malých územích, jako mikroregiony jsou, se nedokáţe její vliv dostatečně projevit. Všechny ukazatele, které jsme v analýze vyuţili, jsou determinovány výrazně vzdáleností od zvolených středisek. Ukazatele tak, především na mikroregionální a částečně na meziregionální úrovni, svědčí spíše o sídelní struktuře a o námi zvoleném zpŧsobu vymezení zkoumaných územních jednotek, neţ o blízkostí silnic vyšších tříd a rychlosti dojezdnosti do center pracovních příleţitostí. Ačkoliv nejlépe ilustrovala úroveň dopravní infrastruktury makroregionální úroveň, jejím úskalím je fakt, ţe se jedná o dostupnost pouze jednoho střediska. Tento fakt silně ovlivňuje úroveň dostupnosti Moravy a Slezska. Pokud bychom vyuţili dojezdnost alespoň do tří, respektive čtyř velkých center jako je Praha, Brno, Ostrava, případně Plzeň, byla by úroveň dostupnosti do jisté míry vhodnější a neznevýhodňovala by natolik Moravu a Slezsko. Přes všechny zmíněné problémy jsou ovšem ukazatele dopravní dostupnosti obcí na mikro a mezoregionální úrovni relevantní. Vyjadřují dŧleţitou informaci o dostupnosti pracovních středisek

65

a i přes své nevýhody vypovídají o perifernosti, či jádrovosti zkoumaných obcí. Pro další analýzy jsou tedy naše data vyuţitelná, je ovšem dŧleţité mít na paměti jejich úskalí, která jsme si výše popsali.

66

7. ANALÝZA DOPRAVNÍ OBSLUŽNOSTI Jako druhou část analýzy jsme zvolili údaje o obsluze obcí veřejnou hromadnou dopravou (VHD), tedy analýzu dopravní obsluţnosti. V mapových výstupech jsme pouţívali údaje o obsluţnosti obcí v pracovní den (v úterý). Dopravní obsluţnost měla dokreslit údaje o dostupnosti obcí individuální automobilovou dopravou. Dopravní obsluţnost je totiţ další významný faktor, jenţ má vliv na rozvoj dané obce. Pokud je obec špatně napojená na síť veřejné hromadné dopravy, je pravděpodobné, ţe bude pro její obyvatele komplikované dojíţdět za prací a sluţbami. Tato situace bude mít negativní vliv na mobilitu osob především v předproduktivním a poproduktivním věku (ekonomicky závislých osob). Ztráta části zákazníkŧ vede pak k niţší rentabilitě spojŧ, kterou dopravní společnost zpravidla kompenzuje rušením málo obsazených spojŧ. Tím se ale sníţí kvalita nabídky, která vede k dalšímu odlivu zákazníkŧ (Marada a Květoň, 2010 [2]). Proces koncentrace obsluţných, výrobních a dalších aktivit získal za poslední období na dynamice a bude zřejmě nadále prohlubovat rozdíly mezi jádrovými a periferními (většinou venkovskými) oblastmi. Polarizace prostoru poroste i v mikroregionálním měřítku, tzn. uvnitř obcí, mezi „střediskovým sídlem“ a ostatními částmi obce. Při nedostatku pracovních příleţitostí a absenci základních sluţeb v místě bydliště je pro obyvatelstvo čím dál více nezbytné za těmito cíli dojíţdět a akcesibilita těchto cílŧ se stává jednou z nejdŧleţitějších podmínek ţivota ve venkovských oblastech. Ve smyslu nutnosti realizovat cesty za základními potřebami je poptávka po dopravní obsluţnosti ve venkovských oblastech v podstatě vyšší neţ ve městech, kde je široká nabídka dopravních moţností (Marada a Květoň, 2006). V analýze dopravní obsluţnosti jsme vycházeli z dat a podkladŧ v Analýze dopravní obsluţnosti v obcích ČR (CpRR, 2011), na jejímţ vypracování se autor podílel.

7.1 Mikroregionální úroveň Podobně jako u studia dopravní dostupnosti začínáme analýzu na mikroregionální úrovni. Jako první ukazatel jsme vyuţili ukazatel počtu spojŧ VHD. Počet spojení do mikroregionálního centra v pracovní den se odvíjí od jeho vzdálenosti a atraktivnosti. Vyšší počet spojení či širší zázemí s kvalitní dostupností je tak charakteristické pro centra s krajskou nebo okresní funkcí. Naopak s nimi bezprostředně sousedící mikroregiony bez administrativní funkce jsou na tom hŧře (zřetelné je to například v Pardubickém, nebo Královehradeckém kraji). Vedle těchto krajŧ vykazují téţ niţší dostupnost kraje Vysočina, Plzeňský, Jihočeský, ale také Středočeský. Naopak kontinuálně navazující mikroregiony s vysokým počtem spojŧ se vyskytují v oblasti Jihomoravského či Moravskoslezského kraje. Více neţ 20 % obcí z kraje Vysočina, Jihočeského a Plzeňského pak nemá ţádné spojení se svým mikroregionálním centrem (CpRR, 2011).

67

Obr. 16: Počet spojů do mikroregionálního střediska Zdroj: CpRR, 2011

Podobně jako i u jiných měřítkových úrovní i v případě dojezdnosti do mikroregionálních středisek jsou relativně nejhŧře dostupné oblasti nacházející se na hranicích krajŧ, stejně tak jako v pohraniční, především v horských oblastech. Další výraznou oblastí jsou části mikroregionu, kde se středisko nachází v poměrně excentrické (odlehlé) poloze. Typický je tento případ především na severním Plzeňsku, v Pošumaví, západním Znojemsku a jinde. Co se týče rozdílŧ mezi jednotlivými kraji, mŧţeme sledovat poměrně dobrou dopravní dostupnost u moravských krajŧ, především pak v kraji Moravskoslezském. Podobně je na tom i kraj Ústecký a Karlovarský. Naopak nejhŧře jsou na tom kraje Plzeňský, Jihočeský, Pardubický a Vysočina. Počet spojení v sobotu, který v mapě není zobrazen je silně ovlivněn velkým mnoţstvím obcí, které mají nulovou hodnotu. Z celkového počtu obcí v kraji jsou pak zhruba polovinou zastoupeny v kraji Vysočina, Plzeňském, Pardubickém a Jihočeském (CpRR, 2011).

68

Obr. 17: Průměrná doba jízdy spoji VHD do mikroregionálního střediska Zdroj: CpRR., 2011

Prŧměrná doba dojezdnosti v pracovní den odráţí do značné míry velikost samotného mikroregionu. S narŧstající vzdáleností do centra se totiţ prodluţuje i prŧměrná doba nutná pro dojíţďku. Tento trend je nejznatelnější u největších mikroregionŧ jako je Praha, Brno, Plzeň či České Budějovice. Relativně horší výsledky vykazuje téţ oblast Šumavy, širší okolí Plzeňska či oblast severovýchodní části hranice Středočeského kraje. Naopak pozitivní hodnocení zaznamenává celý Moravskoslezský kraj s přilehlými oblastmi Hostýnsko-vsetínských vrchŧ na jedné straně a na druhé straně s Jeseníky pokračujícími aţ do regionu Orlicka-ústecka. Oblasti s krátkou dobou dojezdnosti se téţ hojně vyskytují na německých hranicích okresŧ Tachov, Cheb a Sokolov a v části kraje Ústeckého (CpRR, 2011).

69

Obr. 18: První příjezd spoje VHD z obce do mikroregionálního střediska Zdroj: CpRR, 2011

Čas prvního příjezdu ze sledovaných obcí do příslušného mikroregionálního centra je v obcích České republiky relativně vyhovující. Vnitřní stratifikace území s výsledky jednotlivých obcí se tak většinou odehrává v intervalu 4:00 – 6:00. Z tohoto pohledu lze jmenovat především uţší zázemí Prahy, širší zázemí Brna a střední a východní část Moravskoslezského kraje. Interval hraničící aţ s funkčně zlomovým časem 8:00 je pak dosaţen ve východní části Karlovarského kraje (vojenský újezd Hradiště a okolí), v prostorově odloučené části klatovského mikroregionu, ale i v jiných oblastech Šumavy, v jiţní a jihovýchodní části Středočeského kraje a v Krkonoších. Hŧře neţ Hradiště je na tom ještě podobná a rozsáhlá oblast vojenského významu, Brdy, která je spolu s minimem dalších obcí bez dopravního spojení se svým mikroregionálním centrem (CpRR, 2011).

70

Obr. 19: Poslední odjezd spoje VHD z obce do mikroregionálního střediska Zdroj: CpRR, 2011

Dle hodnocení posledního odjezdu z mikroregionálního centra lze typizovat tři prostorová uskupení. Jako nejhorší se jeví kraje Vysočina, Pardubický, Královehradecký, Plzeňský a Jihočeský, jejichţ obce nejčastěji dosahují hodnot vyšších kategorií. Za prŧměrné lze povaţovat kraj Středočeský, Karlovarský, Ústecký a Liberecký. Tamější obce vykazují buď většinově střední hodnoty, anebo v případě okolí Prahy výbornou dostupnost. Do třetí skupiny patří kraje Moravskoslezský, Zlínský, Olomoucký a Jihomoravský. Do obcí těchto krajŧ směřuje poslední spoj z mikroregionálního centra dokonce po 22. hodině, je to dáno především výhodnější strukturou osídlení (větší prŧměrná velikost obcí) a dobře fungujícími integrovanými dopravními systémy většiny těchto krajŧ. Výjimku zde představuje pouze oblast Znojemska a centrální část Hrubého Jeseníku, které v době analýzy ještě nebyly zapojeny do integrovaných dopravních systému v kraji. Komplexně nejlepší dostupnost z mikroregionálního centra vykazuje Praha pro své nejbliţší okolí a to spoji po 23:30 (CpRR, 2011).

71

7.2 Mezoregionální úroveň V mapě jsou zobrazeny hranice mezoregionŧ slabšími liniemi neţ hranice krajŧ. V některých případech tak hranice krajŧ přetínají kontinuální území mezoregionŧ, z toho dŧvodu nacházíme horší hodnoty obsluţnosti v některých oblastech krajŧ, kam zasahují výběţky jiných mezoregionŧ.. Týká se to například, Brněnského, Praţského, Olomouckého a mnohých jiných mezoregionŧ, zasahujících do jiných krajŧ. Pro hodnocení dopravní obsluţnosti by se zřejmě více neţ mezoregionální úroveň hodila úroveň krajská, avšak vzhledem k celkové koncepci analýzy dopravní dostupnosti jsme zachovali úroveň mikroregionální a mezoregionální. Tato umoţnila snadnější vzájemné srovnání dostupnosti formou IAD a VHD.

Obr. 20: Počet spojení VHD z obce do mezoregionálního střediska Zdroj: CpRR., 2011

Z hlediska dojezdnosti obcí do mezoregionálních středisek v pracovní den je relativně dobře zřetelné koncentrické uspořádání ukazatele v závislosti na vzdálenosti od centra. Přičemţ relativně lépe dostupná jsou území mezoregionŧ s většími centry, a to přesto, ţe tyto mezoregiony jsou také územně větší. Je nutné také podotknout, ţe hranice mezoregionŧ se neshodují s hranicemi krajŧ. Opět nejhŧře dostupné jsou obce, jejichţ středisko je v rámci mezoregionu v odlehlé poloze (např. Šumperk, Krnov, Plzeň). Taktéţ obce s celkově slabší obsluţností, nejzřetelnější je to

72

v pardubickém mezoregionu. Pokud se podíváme na srovnání jednotlivých krajŧ, nejhŧře si stojí Pardubický kraj, následovaný Vysočinou, Plzeňským a Jihočeským krajem (CpRR, 2011).

Obr. 21: Průměrná doba jízdy spoji VHD z obcí do mezoregionálního střediska Zdroj: CpRR, 2011

Prŧměrná doba dojezdnosti spoji VHD z jednotlivých obcí do středisek mezoregionŧ opět nejlépe ilustruje koncentrickou strukturu jednotlivých mezoregionŧ ovlivněnou prŧchodem hlavních tahŧ dopravní infrastruktury, především ţeleznice. V případě územní nekompaktnosti některých mezoregionŧ pak vystupují jejich periferní části výrazně nejhŧře v rámci celé České republiky. Týká se to především periferií českobudějovického, královehradeckého, šumperského a děčínského mezoregionu. Podobně je tomu také u větších mezoregionŧ, přesto však relativně kompaktních, jako například praţský a plzeňský. Opět si stojí relativně špatně, bez ohledu na svou velikost a silné centrum, pardubický mezoregion. Pokud bychom hodnotili prŧměrné hodnoty tohoto ukazatele za jednotlivé kraje, nebudou jiţ rozdíly mezi kraji tak výrazné. Pořadí jednotlivých krajŧ zŧstává v zásadě zachováno (viz s. 71), (CpRR, 2011).

73

Obr. 22: První příjezd spoje veřejné hromadné dopravy z obce do mezoregionálního střediska Zdroj: CpRR, 2011

Obr. 23: Poslední odjezd spoje veřejné hromadné dopravy z mezoregionálního střediska do příslušné obce Zdroj: CpRR., 2011

74

Prostorová diferenciace obcí podle doby prvního příjezdu z obce do střediska mezoregionu vykazuje v podstatě shodné zákonitosti jako v případě předchozích ukazatelŧ. Pouze poněkud výrazněji vystupuje špatná dopravní dostupnost odlehlých oblastí jako Javornický výběţek, Orlické Hory, Tachovsko, Pošumaví, část Krkonoš a Jindřichohradecko. Bez spojení, či jen velmi špatně jsou pak obslouţeny i rozlehlé katastry obcí, na jejichţ území se nachází vojenské prostory (např. Doupovské hory, Brdy, Březina aj.). Přirozeně, jako jiţ dříve, vykazují opět moravské kraje nejlepší hodnoty dopravní obsluţnosti. Rozdíly však ani po zohlednění počtu obyvatel obcí spadajících do jednotlivých kategorií nejsou nijak zásadní (CpRR, 2011). Pokud se podíváme na mapu analyzující poslední odjezdy z center mezoregionŧ do obcí v jejich zázemí, nerozeznáváme jiţ tak zřetelné liniové prvky jako v případě prvních příjezdŧ, i kdyţ rozpoznatelné jsou také. Jako špatně dostupné oblasti mŧţeme opět vymezit hraniční oblasti dotyku Středočeského kraje s okolními kraji. Podobně tradičně špatně dostupná oblast se nachází na trojmezí kraje Vysočina, Jihočeského a Jihomoravského kraje. Okraje Plzeňského kraje, Pardubický mezoregion a severozápadní okraj Moravskoslezského kraje. Mŧţeme konstatovat, ţe nejlepší ukazatele dojezdnosti posledními spoji VHD vykazují především moravské a slezské mezoregiony. Na krajské úrovni špatné výsledky vykazuje opět Pardubický kraj (především pardubický mezoregion) a kraj Vysočina (CpRR, 2011).

7.3 Shrnutí (komplexní analýza obslužnosti obcí) Na závěr jsme se rozhodli uvést komplexní hodnocení dopravní obsluţnosti opět na dvou měřítkových úrovních, na mikroregionální a mezoregionální úrovni. Závěrečné hodnocení umoţňuje syntézu předchozích ukazatelŧ a to jak za všední den, tak i za sobotu. Vyuţita byla shluková analýza z Analýzy dopravní obsluţnosti obcí ČR (CpRR, 2011), která agregovala obce do určitých shlukŧ na základě kombinace faktorŧ, uţitých v předchozích podkapitolách (7.1 a 7.2). Charakteristika jednotlivých shlukŧ je vysvětlena v přiloţených tabulkách. Dopravní dostupnost mikroregionálních center, jíţ jsme hodnotili jako výsledek komplexní nabídky dopravních spojení v pracovní dny i v soboty vykazuje zřetelnou polaritu mezi východní částí ČR a zbytkem republiky. Zatímco v moravských krajích (kraje Jihomoravský, Zlínský, Olomoucký a Moravskoslezský) převaţují obce spadající do typŧ A, B a C, tj. obce vykazující spíše výbornou nabídkou dopravních spojení, v řadě českých krajŧ je situace opačná. Podobně jako v případě ostatních typŧ dopravních vazeb i zde mŧţeme nalézt územní pás východní Čechy – českomoravské pomezí – jiţní Čechy – jihozápadní Čechy typický vyšším podílem obcí typŧ D, E a F (méně příznivá nabídka spojŧ hromadné dopravy, o víkendech často dokonce bez spojení). Moravské situaci se nejvíce přibliţuje nabídka hromadné dopravy v krajích Libereckém, Ústeckém a Karlovarském, a to zejména přihlédneme-li k podílŧm obyvatel ţijících v jednotlivých typech obcí. Obecně lze také vyslovit tezi, ţe kvalita dopravní obsluţnosti je často horší při hranicích krajŧ (CpRR, 2011).

75

Obr. 24: Typologie obcí na základě dostupnosti mikroregionálního střediska spoji VHD Zdroj: CpRR., 2011

Tab. 3 Charakteristika jednotlivých shluků vytvořených pro typologii obcí na základě shlukové analýzy dostupnosti mikroregionálního centra Průměrný bodový zisk obce v daném ukazateli a kategorii Typ obce

Charakteristika dopravní situace

v soboty

pracov ní dny

výborná situace

výborná situace

dobrá situace,

průměrná situace,

trochu menší počet spojů průměrná situace, ale dobrý poslední

v pracovní dny A B

C

počet spojů

doba dojezdnosti

sobota

pracovní dny

3,66

3,34

ale dobrá dojezdová doba

2,33

průměrná situace

první příjezd do střediska

poslední odjezd ze střediska

sobota

pracovní dny

sobot a

pracov ní dny

sobota

4,68

4,05

4,31

4,08

4,02

3,81

1,57

4,46

3,83

3,96

2,72

3,20

2,42

1,87

1,81

2,86

2,57

2,88

2,65

3,04

2,75

situace, špatný poslední odjezd

1,21

1,05

2,44

2,30

2,50

2,31

1,68

0,08

špatná situace

1,35

0,10

3,24

0,21

2,93

0,16

2,60

0,24

špatná situace

0,87

0,14

2,07

0,29

1,81

0,24

0,57

0,17

odjezd D

podprůměrná situace

E

průměrná situace, dobrá dojezdová doba

F

podprůměrná až špatná situace

podprůměrná

Zdroj: CpRR, 2011

76

Obr. 27: Typologie obcí na základě dostupnosti mezoregionálního střediska spoji VHD Zdroj: CpRR, 2011

Tab. 4 Charakteristika jednotlivých shluků vytvořených pro typologii obcí na základě shlukové analýzy dostupnosti mezoregionálního centra Typ obce

Charakteristika dopravní situace v pracovní dny v pracovní dny

A

výborná situace

B

dobrá situace

C

průměrná situace, dobré časování spojů

D

výborná situace

Průměrný bodový zisk obce v daném ukazateli a kategorii počet spojů

doba dojezdnosti

první příjezd do střediska

poslední odjezd ze střediska

pracovní pracovní pracovní pracovní sobota sobota sobota sobota dny dny dny dny 4,53

4,00

4,64

3,68

4,49

4,08

4,38

4,04

2,97

1,89

4,50

3,31

3,96

3,26

3,60

2,67

2,47

1,81

2,76

1,20

3,09

2,80

3,62

2,71

1,58

1,07

2,32

1,13

2,95

2,17

2,63

1,34

špatná situace

1,78

0,11

4,00

0,18

3,68

0,15

2,50

0,16

špatná situace

1,03

0,20

2,10

0,24

2,20

0,29

1,65

0,28

dobrá situace, pouze poněkud nižší počet spojů průměrná situace

podprůměrná

podprůměrná

situace

situace

průměrná

E

situace, ale výborná dojezdová doba, dobrý ranní spoj

F

podprůměrná situace, nízký počet spojů

Zdroj: CpRR. 2011

77

Dopravní

obsluţnost mezoregionálních center hodnocená jako výsledek komplexní nabídky dopravních spojení v pracovní dny i o sobotách vykazuje stejně jako na mikroregionální úrovni zřetelnou polaritu mezi východní částí ČR a zbytkem republiky. Zatímco v moravských krajích (kraje Jihomoravský, Zlínský, Olomoucký a Moravskoslezský) převaţují obce spadající do typŧ A, B a C, tj. obce se spíše nadprŧměrnou nabídkou dopravních spojení, v řadě českých krajŧ je situace odlišná. Podobně jako v případě ostatních typŧ dopravních vazeb i zde mŧţeme nalézt územní pás na českomoravském pomezí – jiţní Čechy – jihozápadní Čechy, který se profiluje především na okrajích daných krajŧ. Tento pás je typický vyšším podílem obcí typŧ E a F (méně příznivá nabídka spojŧ hromadné dopravy v pracovní dny, o víkendech často dokonce bez spojení). Výrazně tak souvisí s oblastmi vnitřních periferií, především na okrajích středočeského kraje. Moravské situaci se nejvíce přibliţuje nabídka hromadné dopravy v krajích Středočeském, Libereckém, Ústeckém a Karlovarském, a to zejména přihlédneme-li k podílŧm obyvatel ţijících v jednotlivých typech obcí. Nejrozsáhlejší souvislé územní celky s největším počtem obcí spadajících do typŧ E a F se nalézají na Třebíčsku, Jindřichohradecku a na rozhraní mezi Plzeňským a Jihočeským krajem. Dŧleţitý je také vliv ţelezniční dopravní infrastruktury, která výrazně zvyšuje nabídku spojŧ tím, ţe nabízí poměrně pravidelně spoje, jezdící navíc i o víkendech. Nejvíce patrný je tento vliv podél ţelezničních tratí vedoucích radiálně z Plzně, Prahy a Českých Budějovic (CpRR, 2011). Výsledky analýzy dopravní obsluţnosti lze stručně shrnout do několika hlavních bodŧ. Za prvé vysoká kvalita dopravní obsluţnosti hromadnou dopravou (počet spojŧ, jejich prŧměrné jízdní doby a časové rozloţení v prŧběhu dne) je jak v pracovních dnech, tak i o sobotách ve všech typech prostorových vazeb zabezpečována zpravidla lépe v obcích ve východní části ČR, tzn. především v moravských krajích (Jihomoravský, Zlínský, Olomoucký a Moravskoslezský kraj). Za druhé o něco niţší, byť stále dobrou, kvalitu dopravní obsluţnosti ve srovnání s moravským prostorem vykazuje širší zázemí Prahy, dále pak i Liberecký, Ústecký a Karlovarský kraj. Naopak nejniţší kvalitu dopravní obsluţnosti charakteristickou i poměrně častým nedostatečným obslouţením území a obyvatelstva o sobotách lze nalézt v územním pásu česko-moravské pomezí – jiţní Čechy – jihozápadní Čechy (CpRR, 2011). Prostorovou diferenciaci jednotlivých ukazatelŧ mŧţeme vysvětlovat na základě některých socioekonomických podmínek. Zřejmě nejvýznamnějším faktorem ovlivňujícím úroveň dopravní obsluţnosti obcí, je sídelní struktura v regionu. Konkrétně velikostní diferenciace obcí. Lze totiţ vypozorovat vztah mezi ukazatelem prŧměrné velikosti obce v kraji a kvalitou dopravní obsluhy. Větší obce vykazují současně vyšší úroveň dopravního standardu. Naopak regiony s horší dopravní obsluţností vykazují vyšší podíl obyvatelstva v malých obcích a vyšší podíl malých obcí na celkovém počtu obcí v kraji. Je tedy evidentní, ţe jistá rozdrobenost sídelního systému v kraji Vysočina (prŧměrná velikost obce – 732 obyvatel), v Plzeňském (1 141 obyvatel) či Pardubickém kraji (1 145) přispívá k horším výsledkŧm ve sledovaných ukazatelích dopravní obsluţnosti. Oproti tomu koncentrace obyvatelstva do větších obcí vytváří předpoklad k lepší dopravní obsluţnosti – např. Moravskoslezský kraj (prŧměrná velikost obce – 4 172 obyvatel), Ústecký kraj (2 362 obyvatel) či Jihomoravský kraj (1 711 obyvatel). Nastíněný vztah mezi rozdrobeností sídelního systému a dopravní obsluhou je ještě silněji potvrzován, pokud namísto prŧměrné velikosti obce

78

uvaţujeme prŧměrnou velikost části obce (CpRR, 2011), to potvrzují i výsledky obdobné analýzy Marady a Květoně (2010 [2]). Dalším rozhodujícím faktorem ovlivňujícím úroveň dopravní obsluhy v obcích ČR je faktor rozlohy a relativní polohy analyzované územní jednotky. Předkládané výsledky analýz jsou do jisté míry ovlivněny výběrem center, jejichţ dostupnost byla zkoumána, respektive uspořádáním a rozlohou jejich spádových oblastí. Je zřejmé, ţe v regionálním sídelním systému o vyšší hustotě a prostorové blízkosti center bude kvalita dopravní obsluţnosti na vyšší úrovni neţ v systému s méně zahuštěnou sítí pracovních a obsluţných středisek (větší regiony tudíţ budou ve svých okrajových částech vykazovat substandardní dopravní nabídku). Polycentrické regiony tak budou patrně charakteristické vyšším dopravním standardem nežli regiony s monocentrickým sídelním uspořádáním (CpRR, 2011). Dŧleţitou proměnnou je rovněţ funkční význam sledovaného střediska – je evidentní, ţe větší centra mají potenciál generovat vyšší dopravní nabídku v širším zázemí neţli střediska funkčně méně významná. Charakter poskytnutých dopravních dat neumoţňoval postihnout moţnou pluralitu volby mezi vyšším počtem potenciálně dostupných center. Pokud by tento typ analýzy byl moţný, vliv morfologie sídelního systému by se pravděpodobně projevil ještě výrazněji (CpRR, 2011). V této analýze jsme však hodnotili pouze dostupnost vţdy do jednoho střediska, která především v polycentrických regionech není zcela optimální. Výpočet pluralitní volby dojezdnosti spoji VHD by však byl velmi sloţitý na výpočet i na zhodnocení. Významný v analýze byl rovněţ faktor zpŧsobu organizace dopravy. Při interpretaci výsledkŧ prostorové diferenciace dopravní obsluţnosti v území je nutné kromě vlivŧ sídelního systému zváţit i pŧsobení vlivŧ institucionální povahy. Dŧleţitým faktorem tohoto druhu je zpŧsob zajišťování základní dopravní obsluţnosti v území. Nejdŧleţitějším aktérem jsou zde krajské úřady, a tudíţ výsledná mapa do značné míry odráţí prŧběh krajských hranic. Naznačené institucionální prostředí částečně přispívá k vytváření, respektive udrţování dopravně periferních oblastí při hranicích krajŧ, které budeme následně porovnávat s periferností z ekonomického hlediska. Zejména příhraniční oblasti Středočeského kraje představují území v dlouhodobém retrospektivním pohledu socioekonomicky a dopravně marginalizované, coţ potvrzuje i Marada a Květon (2010 [2]). Doplňujícím institucionálním faktorem s potenciálem zlepšení standardu dopravní obsluţnosti je i zavedení integrovaného dopravního systému. Vliv tohoto faktoru se pozitivně projevuje např. v Jihomoravském kraji (CpRR, 2011). Posledním sledovaným vysvětlujícím faktorem dopravní obsluhy obcí je prŧchod hierarchicky nadřazených dopravních tahŧ. Alespoň v omezeném prostorovém rozsahu ovlivňuje nabídku dopravních spojení v území trasování hierarchicky nadřazených dopravních komunikací. Vliv těchto komunikací je dobře patrný v případě radiálních ţelezničních tratí ústících do významnějších středisek. Srovnatelný dopad dálničních spojení je spekulativní v dŧsledku pŧsobení tunelového efektu, nicméně koncentrace nabídky autobusové dopravy na radiálních silnicích první třídy pŧsobí stejným zpŧsobem jako ţeleznice (CpRR, 2011).

79

8. ANALÝZA SOCIOEKONOMICKÉ SFÉRY V této kapitole se budeme věnovat geografické analýze vybraných socioekonomických ukazatelŧ, které díky vykreslení v mapě budeme moci srovnat mezi sebou. Na rozdíl od předchozích dopravních ukazatelŧ bude analýza na celorepublikové měřítkové úrovni. Ukazatele budou relativizovány na počet obyvatel (nebo ekonomicky aktivních) tak, aby byly srovnatelné mezi sebou. Vymezíme si tak hlavní oblasti koncentrace dobrých výsledkŧ jednotlivých ukazatelŧ (rozvojových území) a naopak oblasti špatných výsledkŧ ukazatelŧ (periferních území). Následně také zhodnotíme hlavní souvislosti mezi nimi a ukazateli dopravní dostupnosti a obsluţnosti. Uvedené mapy nám především pomohou v následné interpretaci statistických analýz pracujících se stejnými soubory dat socioekonomických ukazatelŧ a umoţní nám pochopit, proč jsou některé socioekonomické ukazatele pro následné analýzy vhodnější neţ jiné. V následných korelačních a regresních analýzách jednotlivých dopravních a socioekonomických ukazatelŧ budeme pak také schopni lépe určit, proč některé ukazatele korelují více a jiné méně.

8.1 Podnikatelská aktivita Prvními z námi hodnocených socioekonomických ukazatelŧ budou ukazatele podnikatelské aktivity. Rozhodli jsme se vyuţít data o počtu registrovaných ekonomických subjektŧ, u nichţ byla v daném roce zjištěna aktivita. To znamená, ţe jsme zkoumali pouze reálně aktivní podniky v obci v roce 2012. Počet podnikŧ jsme relativizovali na 1000 obyvatel obce. Dále jsme pouţili podíl zaměstnavatelŧ (tedy podnikatelŧ se zaměstnanci) na ekonomicky aktivním obyvatelstvu v obci a podíl osob samostatně výdělečně činných na ekonomicky aktivním obyvatelstvu v obci. Všechny tyto tři ukazatele měli za cíl zmapovat ekonomickou aktivitu obyvatel v obcích. Podíl osob samostatně podnikajících představuje ukazatel svědčící o ekonomické úrovni regionu a částečně i o úrovni sociálního kapitálu, který má na rozvoj obce velmi silný vliv. Regiony ekonomicky úspěšnější, respektive konkurenceschopnější (zkoumané podle metodiky Nováka a Netrdové, 2011 s. 733, nebo podle MMR, 2012, s.44) většinou vykazují i vyšší intenzitu podnikatelské aktivity (okolí krajských měst a rozvojová osa Plzeň, Praha, Liberec). Podobně i oblasti periferní a problémové většinou vykazují horší hodnoty podnikatelské aktivity. Konkrétně se jedná o pomezí na styku Karlovarského, Ústeckého, Středočeského a Plzeňského kraje, dále linii od Znojemska po západním okraji Jihomoravského kraje, přes styk Pardubického a Olomouckého kraje po Javornický výběţek. Posledními oblastmi jsou východní okraj Středočeského kraje, Nízký Jeseník, Bílé Karpaty, Osoblaţsko a střední Morava.

80

Obr. 28: Počet RES, u kterých byla zjištěna aktivita na 1000 obyvatel v obcích ČR roku 2012 Zdroj: ČSÚ, 2013

Jako první ukazatel jsme zvolili počet podnikatelských subjektŧ relativizovaný na tisíc obyvatel v obci. Prŧměrná hodnota za celou Českou republiku je 145 podnikŧ na 1000 obyvatel v obci. Z analýzy je zřejmé, ţe největší relativní počty podnikŧ na obyvatele jsou ve velkých městech a v jejich nejbliţších zázemích. Určující vliv nemá pouze populační velikost těchto měst, ale i jejich ekonomická síla. Ekonomicky silné aglomerace Prahy, Brna, Plzně, Hradce Králové, Pardubic (a Chrudimi), Českých Budějovic a Zlína vytvářejí vetší sféru vlivu podnikatelské aktivity jak ve svém zázemí, tak v městě samém. Naopak populačně podobně velká, ale ekonomicky slabší města jako Ústí nad Labem, Ostrava a částečně Olomouc takováto zázemí fakticky nevytváří a i v městech samých je podnikatelská aktivita niţší. Specifickým příkladem jsou relativně ekonomicky úspěšné regiony, které ovšem podnikatelskou aktivitu příliš nestimulují (Novák, Netrdová, 2011; MMR, 2012). Jedná se například o region Mladé Boleslavi, nebo zázemí automobilky Hyundai v Nošovicích. Tyto regiony nestimulují samostatnou podnikatelskou aktivitu, nýbrţ spíše pracovní pozice v zaměstnaneckém poměru. Poslední specifickou oblastí jsou turisticky atraktivní oblasti našich hor, kde se díky cestovnímu ruchu daří zlepšovat podnikatelskou aktivitu (Novák, Netrdová, 2011; MMR, 2012). Týká se to především obcí na Šumavě, v Krkonoších a Jizerských horách, Jeseníkách, Beskydech ale také některých obcí v Orlických horách, Krušných horách, Králickém Sněţníku a v Českém lese V úvahu musíme brát také fakt, ţe počet podnikŧ na obyvatele je pouze kvantitativní pojem nehodnotící kvalitu daných podnikŧ. Vyšší hustota podnikŧ mŧţe v některých případech svědčit o tom, ţe se jedná o menší podniky, tedy ţe se snaţí místní obyvatelé zaměstnat sami, neţ ţe by do regionu (obce) přicházely nové investice v podobě nových

81

podnikŧ. Tento jev bychom zřejmě lépe postihli, pokud bychom sledovali vývoj počtu podniku za delší časové období.

Obr. 29: Podíl zaměstnavatelů na ekonomicky aktivních v obcích ČR roku 2011 Zdroj: ČSÚ, 2012

Druhý ukazatel, který pomohl pochopit podnikatelskou aktivitu v obci, je podíl zaměstnavatelŧ na ekonomicky aktivních v obci. Počet podnikatelŧ (se zaměstnanci) byl ve zkoumaném roce 2011 v České republice 164 921, to znamená 3, 25 % z ekonomicky aktivních. Nadprŧměrně podnikatelsky aktivní byly tedy obce nad hodnotou 3,25 %. Uţ při srovnání jednotlivých obcí jsme ovšem vysledovali silný vliv rŧzné populační velikostní úrovně. Například, pokud bychom srovnávali výsledky podílu zaměstnavatelŧ na ekonomicky aktivních v Havlíčkově Brodě (4,1 %) a ve Velké Bíteši (3,2 %), přišli by nám výsledky ve Velké Bíteši poměrně nízké. Pokud ovšem srovnáme výsledky Velké Bíteše se srovnatelně velkými městy, budou výsledky dobře dopravně dostupné a ekonomicky konkurenceschopnější Velké Bíteše (MMR, 2012) ve své kategorii zhruba pětitisícových měst (Telč, Třešť, Jemnice, Moravské Budějovice aj.) nadprŧměrné. Podobně, pokud srovnáme města o velikosti zhruba 10 000 obyvatel, budou vykazovat města s vyšším podílem zaměstnavatelŧ (nad 3 %) i lepší ukazatele konkurenceschopnosti, jako účinnost trhu práce, míru nezaměstnanosti, vyšší prŧměrný příjem, regionální HDP atp. Pokud si pro kontrolu srovnáme páry velikostně podobných měst, avšak ekonomicky rozdílně úspěšných a z velké části i rozdílně dopravně dostupných, naše teorie se nám většinou potvrzuje. U jednotlivých velikostních kategorií jsou to například tyto páry obcí: u měst s cca 25 000 obyvateli má Břeclav (3,3 %) vyšší podíl neţ Hodonín (2,9 %), u cca 10 000 obyvatel má Kuřim (4,1 %), Lanškroun (4,1 %) a Velké Meziříčí (3,8 %) vyšší podíl neţ Ivančice (3,4 %), Bystřice nad Pernštejnem (2,7 %) a Broumov

82

(2,7 %), u cca 5000 obyvatel mají Pohořelice (4,3 %) a Hustopeče (3,2 %) vyšší podíl neţ Králíky (2,5 %) a Třešť (1,8 %), atp. Prostorově je rozloţení podílu zaměstnavatelŧ podobné jako rozloţení podnikŧ samých. Vyšší podíl je především v okolí velkých města a v turisticky atraktivních oblastech. Prostorová vazba na dálniční sjezdy platí u mnoha větších obcí (např. Pohořelice, Velké Meziříčí, Velká Bíteš, Velký Beranov atp.), ovšem na druhou stranu i velké mnoţství špatně dopravně napojených měst vykazuje relativně vyšší podíly zaměstnavatelŧ (např. Jeseník, Lanškroun, Jemnice, Ţamberk, Rýmařov atp.). Oblasti kompaktních periferií (Severní Čechy, Nízký Jeseník, Orlicko-ústecko aj.) nejsou v případě podílu zaměstnavatelŧ tak dobře rozeznatelné, jako v případě počtu podnikŧ.

Obr. 30: Podíl osob samostatně výdělečně činných na ekonomicky aktivních v obcích ČR roku 2011 Zdroj: ČSÚ, 2012

Počet osob samostatně výdělečně činných (OSVČ) byl ve sledovaném roce 2011 v České republice 589 168, OSVČ bylo tedy 11,6 % na celkovém počtu ekonomicky aktivních v České republice. Tento podíl je výrazně vyšší neţ v případě zaměstnavatelŧ, tudíţ je moţná méně náchylný na velmi malé odchylky od prŧměru, které byly v případě malých procent zaměstnavatelŧ na ek. aktivních pravděpodobnější. Podíl OSVČ evidentně vykazuje silnou míru podobnosti s předchozími dvěma ukazateli a potvrzuje určitý vztah s ekonomickou úrovní regionu. V případě podílu OSVČ jsou periferní regiony podobně jako u počtu podnikŧ více kompaktní. Jedná se o vnitřní periferie, za které lze povaţovat ta území, která se hospodářsky nerozvíjejí, mají nízkou sociálně – ekonomickou úroveň, disponují nepříznivou demografickou strukturu, horší technickou i sociální infrastrukturou (např. starý bytový fond) a objevují se zde problémy spojené s exkluzí obyvatelstva

83

(Musil, Müller, 2008). Jasně vystupují periferie po druhé světové válce dosídleného trojmezí Karlovarského, Ústeckého a Středočeského kraje, Sokolovska, Stříbrska, Českého lesa, oblasti česko-moravského pomezí na Moravskotřebovsku a Zábřeţsku, v Nízkém Jeseníku, dále hospodářsky strukturálně postiţené Karvinsko a Třinecko. Pozitivně vycházejí opět příměstské oblasti ekonomicky silných měst (především Prahy) a turisticky atraktivní oblasti našich hor.

8.2 Míra nezaměstnanosti Míra nezaměstnanosti kopíruje velmi silně výsledky prostorové analýzy podnikatelské aktivity. Pouze poněkud přesněji a reálněji mapuje oblasti dlouhodobě hospodářsky strukturálně postiţené. Evidentně z analýzy vychází nejhŧře ekonomicky slabé regiony Znojemska, Třebíčska, Hodonínska a Jeseníkŧ a Prachaticka, které z předchozích analýz podnikatelské aktivity takto jasně nevystupovaly. Region Třinecka dokonce, jako takřka jediný, vykazuje podprŧměrnou míru nezaměstnanosti a zároveň podprŧměrnou podnikatelskou aktivitu. Je to dáno především silným vlivem hlavního zaměstnavatele v regionu; Třineckých ţelezáren a.s. Severní Čechy, Stříbrsko a Moravskotřebovsko se naopak s oblastmi podprŧměrné podnikatelské aktivity výrazně shodují. Opět sledujeme zřetelnou souvislost oblastí s vyšším podílem dosídleného obyvatelstva po druhé světové válce s oblastmi s vyšší mírou nezaměstnanosti. Ve většině výše zmíněných regionŧ byl podíl dosídleného obyvatelstva velmi vysoký (snad kromě Hodonínska a Třebíčska), (ČSÚ, 2013).

Obr. 31: Míra nezaměstnanosti v obcích ČR roku 2011 Zdroj: MPSV, 2012

84

8.3 Příjmy z daní Výnos z daně z příjmu fyzických osob jsme vyuţili jako ukazatel doplňující ukazatele podnikatelské aktivity. Výnos z daně měl umoţnit zhodnocen ekonomické úspěšnosti podnikŧ (respektive podnikatelŧ), jejichţ relativizovaný počet jsme sledovali. Předpokládali jsme, ţe alespoň částečně výnos z daně z podnikatelské činnosti za jednotlivé obce umoţní sledování, kolik v které obci podnikatelé prŧměrně vydělávají. Z příjmu podnikatelŧ je totiţ částečně vypočítávána daň, která je součástí příjmŧ rozpočtu obcí. Z výsledkŧ naší analýzy vyplývá, ţe se částečně prostorové rozmístění příjmově silnějších obcí shoduje s předchozími ukazateli. Ovšem shoda je výrazně menší, neţ v předchozích ukazatelích. Příčinou je jistě i fakt, ţe celkové daňové příjmy z osob samostatně výdělečně činných (především těch bez zaměstnancŧ) jsou velmi nízké (2,7 mld. Kč v roce 2012), (ÚFIS, 2013). To svědčí o velké míře chybovosti tohoto údaje. Mnoho podnikatelŧ totiţ vykazuje dlouhodobou ztrátu, nebo minimální zisky především z toho dŧvodu, aby nemuseli odvádět vyšší daně. Jejich podnikání často ve skutečnosti však v tak špatné situaci není.

Obr. 32: Výnos z daně z příjmu fyzických osob ze samostatné výdělečné činnosti v obcích ČR roku 2012 Zdroj: ÚFIS MF ČR, 2013

Vyšší příjmy vykazují obce bliţší ke střediskŧm mezoregionŧ. V oblasti Hané, Znojemska, Jemnicka a Jeseníkŧ jsou lépe identifikovatelné horší výsledky, naopak zázemí Klatov a Prahy vykazuje výsledky výrazně lepší. Celkově je prostorová diferenciace málo přehledná. Ukazatel se tudíţ neprojevil, jako příliš vhodný pro identifikaci konkurenceschopnějších a ekonomicky silnějších regionŧ a naopak. I kdyţ v základu sledujeme podobnost s rozloţením ukazatelŧ

85

podnikatelské aktivity, na druhou stranu vidíme také velké mnoţství rozdílŧ (disturbancí). Například vyšší výnosy z daně na Vysočině ve srovnání s niţšími na střední Moravě, nenacházejí paralelu u předchozích ekonomických ukazatelŧ.

8.4 Demografické údaje

Obr. 33: Podíl obyvatelstva vyjíždějícího mimo obec v obcích ČR roku 2011 Zdroj: ČSÚ, SLDB 2011

Na začátku analýzy při volbě metodiky jsme předpokládali i vztah, ţe čím více obyvatel z obce vyjíţdí, tím je horší ekonomická situace v obci. Z výsledkŧ analýzy je evidentní, ţe tento vztah je výrazně komplikovanější a svědčí spíše o blízkosti silných ekonomických středisek, neţ o samotné ekonomické úrovni obcí samotných. Tu mŧţeme dokreslit dalšími ukazateli, jako je míra registrované nezaměstnanosti, podnikatelská aktivita atp. Nejvyšší podíl vyjíţdějících z obce vykazují jednoznačně obce v blízkosti velkých měst. Čím větší a ekonomicky silnější je středisko, tím větší podíl vyjíţdějících je v jeho zázemí. Periferní regiony vzdálenější od center pracovních příleţitostí vykazují výrazně menší podíl vyjíţdějících, i přesto ţe v těchto regionech jsou horší socioekonomické ukazatele, především vyšší nezaměstnanost. Bohuţel ale v blízkosti není tak velké centrum pracovních příleţitostí, které by vyprodukovalo vyšší úroveň vyjíţďky z obcí v zázemí. Tedy ani fakt, ţe v periferních obcích není práce (vyšší nezaměstnanost) nevede k vyšší vyjíţďce v obcích, které jsou příliš vzdáleny od moţných center pracovních příleţitostí. Vymezení pracovních mikro- a mezoregionŧ vyuţitých v dopravní analýze nehodnotilo samotnou intenzitu dojíţďky. Hodnocen byl pouze hlavní směr dojíţďky, ne absolutní hodnota podílu vyjíţdějících do

86

daného centra. Vymezeny tak byly i mikroregiony velmi slabých středisek, které generovaly dojíţďku (velmi malou), protoţe v okolí jiná alternativa nebyla.

Obr. 34: Migrační saldo na 1000 obyvatel za léta 2001/2010 v obcích ČR Zdroj: ČSÚ, 2013

V případě relativizované míry migračního salda se liší zejména suburbánní a periferní oblasti (včetně vnitřních periferií). Kladné celkové migrační saldo se projevuje zejména okolo Prahy, na Plzeňsku, nebo Brněnsku. Naopak mezi území dlouhodobě ztrátové patří ty oblasti, kde jsou významné přírodní bariéry spojené se špatnou dopravní dostupností (Bruntálsko, Jesenicko a Broumovsko), nebo špatné ţivotní prostředí mnohdy v kombinaci s celkově slabou ekonomickou výkonností (Mostecko, Karvinsko, nebo Ostravsko). Širší zázemí Prahy, Mladé Boleslavi, okolí Brna, Ostravy a většiny okresních měst vykazovaly nejvyšší míry migračního salda. Regiony které vykazují vyšší hodnoty migračního salda, ačkoliv se jedná o ekonomicky slabé, jsou především severní Čechy. Podnikatelsky aktivní turistické oblasti Krkonoš, Šumavy a Hrubého Jeseníku jsou z hlediska migrace spíše negativní. Tyto regiony v následné analýze zpŧsobují komplikace při srovnání. Naopak negativní míra migračního salda koreluje silně s vysokou nezaměstnaností a nízkou podnikatelskou aktivitou v obcích v Jeseníkách, na Králicku, na Jemnicku a na Vranovsku. Zajímavý je fakt, ţe pokud se podíváme na města s počtem obyvatel vyšším jak 10 000, která za zkoumaných deset let populačně rostla, jedná se ve většině případŧ o obce na dálnicích, respektive lépe dopravně dostupné obce (viz výsledky analýzy dopravní dostupnosti), (Říčany, Brandýs n. L., Kuřim, Čelákovice, Praha, Poděbrady, Beroun, Humpolec, Kolín, Plzeň, Kralupy nad Vltavou,

87

Liberec, Turnov, Velké Meziříčí, Benešov, Blansko, Hlučín a Holešov), přičemţ u Hlučína a Holešova je obtíţné určit míru vztahu s lepší dopravní dostupností vzhledem k tomu, ţe dálnice sem byla kompletně dostavěna aţ po konci zkoumaného období v roce 2010. Přesto lepší dopravní napojení těchto měst na mezoregionální centra (Ostrava a Zlín) mŧţeme sledovat jiţ před rokem 2010. U některých měst se překrývá vliv lepší dopravní dostupnosti ještě s polohou v suburbánním zázemí Prahy, Brna, či Ostravy (Říčany, Brandýs n. L, Kuřim, Kralupy n. V. aj.). Míra nezaměstnanosti je u těchto měst aţ na výjimky podprŧměrná, podíl zaměstnavatelŧ a počet podnikŧ na obyvatele je většinou nadprŧměrný, u podílu OSVČ vzájemný vztah není jasný. Druhým typem obcí s pozitivním migračním saldem jsou obce s vyšším počtem sociálně vyloučených lokalit a s tím související vyšší nezaměstnaností (Krupka, Rumburk, Teplice, Litvínov, Jirkov, Kadaň, Čáslav a Kroměříţ), které nalezneme na mapovém výstupu ve Strategii regionálního rozvoje ČR (MMR, 2012, s. 62). Míra nezaměstnanosti je v těchto městech aţ na výjimky nadprŧměrná, podíl zaměstnavatelŧ a počet podnikŧ je většinou podprŧměrný a je zde i výrazně niţší prŧměrný věk obyvatelstva. Mezi sociálně znevýhodněné oblasti jsou řazeny obce vykazující dlouhodobou nezaměstnanost a výskyt sociálně vyloučených lokalit a lokalit ohroţených sociálním vyloučením (MMR, 2012). Přechodným typem jsou obce, u kterých není převládající dŧvod zřejmý (Milovice, Jičín, Sušice, Písek, Vysoké Mýto, Cheb a Aš) . Například Milovice jsou sice v suburbánním zázemí Prahy, jsou velmi dobře dopravně napojené a s relativně levnými zrekonstruovanými byty po vojenských posádkách, avšak i s velmi vysokou nezaměstnaností a velmi nízkým prŧměrným věkem obyvatel. Podobně Cheb a Aš jsou sice špatně dopravně dostupné a na jejich území se nachází sociálně vyloučené lokality, přesto nemohou vyšší míru kladného migračního salda samy o sobě dostatečně vysvětlit. V příloze č. 1 jsou vyneseny přehledně zkoumané obce v tabulce s jednotlivými socioekonomickými ukazateli. V tabulce jsou pouze obce s počtem obyvatel vyšším jak 10 000 a kladnou hrubou mírou migračního salda mezi roky 2001 aţ 2010. Města jsou seřazena podle hrubé míry migračního salda, dále jsou uvedeny ukazatele podnikatelské aktivity a nezaměstnanosti. Zeleně jsou označeny obce charakteristické lepší dopravní dostupností, červeně naopak obce, kde má na kladnou migraci vliv z velké míry podíl obyvatelstva v sociálně vyloučených lokalitách. Podobnou typologii aţ na výjimky mŧţeme najít i u obcí v rozmezí 10 000 – 5000 obyvatel, především se jedná o obce lépe dopravně dostupné, v menší míře o obce s určitým podílem obyvatelstva ţijícího ve zdejších sociálně vyloučených lokalitách.

8.5 Shrnutí Závěrem mŧţeme konstatovat, ţe se prostorová diferenciace zvolených ukazatelŧ shodovala spíše v hrubých rysech. V případě podílu vyjíţdějících a míry migračního salda byla míra vzájemné podobnosti menší neţ v případě ekonomických ukazatelŧ. Největší míru podobnosti prostorové diferenciace ukazatelŧ měl počet podnikŧ na obyvatele, v menší míře podíl zaměstnavatelŧ a OSVČ a míra nezaměstnanosti. To potvrzují i míry korelace v tab. 5, viz kap. 9. Menší shodu mělo

88

rozloţení relativizované míry migračního salda a podílu vyjíţdějících. Nejmenší shodu mělo pak rozloţení výnosu z daní. Rozvojové a periferní oblasti se v hrubých rysech shodují s podrobnějšími a komplexnějšími analýzami socioekonomické sféry Nováka a Netrdové (2011) a s typologií obcí pouţité ve Strategii regionálního rozvoje České republiky pro období 2014-2020 (MMR, 2012). Novák a Netrdová (2011) na základě své analýzy socioekonomické sféry uvádějí ţe rozvojové oblasti jsou kolem Prahy, Brna, Českých Budějovic, Plzně, Hradce Králové a Pardubic. Zřetelně se rozvíjí některé rozvojové osy ve směru Praha-Mladá Boleslav-Liberec a Praha-Plzeň. Rozvojová území se vytváří i v okolí menších krajských měst a také v okolí „úspěšných“ měst jako jsou Rychnov nad Kněţnou, Tábor, Prachatice, Uherské Hradiště, Klatovy, Lanškroun, Humpolec aj. a ve specifických případech (Krkonoše, Šumava, Beskydy, Hrubý Jeseník) rovněţ zcela bez vazby na velká města. Rozvoj těchto území je vázaný jak na zimní, tak na letní turistický ruch. Jistou roli v případě Šumavy a Českého lesa hraje i blízkost hospodářsky silného Bavorska, která má vliv na mnoţství investic v jeho blízkém pohraničí. Naopak periferní a problémová území jak na základě naší analýzy, tak na základě analýz Nováka a Netrdové (2011), podobně Musila a Müllera (2008) a především Ministerstva pro místní rozvoj (2012) mŧţeme zjednodušeně identifikovat podél krajských hranic, především na styku tří (čtyř) krajŧ, typicky na styku Karlovarského, Plzeňského a Středočeského a Ústeckého kraje. Dále na okrajích Středočeského kraje. Největší prostorovou shodu s výše zmíněnými výsledky analýz nalezneme u rozloţení počtu podnikŧ na obyvatele a rozloţení míry nezaměstnanosti, v menší míře u podílu OSVČ a u relativizované míry migračního salda.

89

9. KORELAČNÍ ANALÝZA 9.1 Úvod Korelační analýza byla zvolena jako metoda určení významnosti vztahu jednotlivých ukazatelŧ dopravní a socioekonomické úrovně. Vztah mezi těmito veličinami mŧţe mít rŧznou intenzitu – od úplné nezávislosti (0) aţ po úplnou (funkční) závislost (1). Budeme chtít posoudit stupeň závislosti vţdy těchto dvou náhodných veličin. Stupeň závislosti bude charakterizovat míra těsnosti statistické závislosti. Hladinu významnosti jsme zvolili jako p = 0,05. Pokud je v tab. 5 a 6 korelační koeficient černé barvy, znamená to, ţe nebylo dosaţeno hladiny významnosti (hodnota p ≥ 0) a nelze vysledovat ţádný významný vztah mezi ukazateli. Červeně označené korelace jsou naopak významné na hladině významnosti p < 0,05. Ačkoliv je jejich korelační koeficient velmi slabý, je na dané hladině významnosti určitá závislost patrná. Vzhledem k velmi vysokému počtu srovnávaných dat (6251 vzorkŧ, bez mikroregionálních středisek 5988, bez mezoregionálních středisek 6201) byly i velmi slabé vztahy statisticky významné. Zatímco při srovnávání dat u 30 vzorkŧ mŧţe být střední závislost statisticky nevýznamná, tak při korelování dat 3000 vzorkŧ mŧţe být prakticky nevýznamný, nepouţitelný vztah vysoce statisticky významný. Nejprve jsme si vytvořili kategorie, které jsme pak srovnávali pomocí korelačního koeficientu. Kategorizaci jsme podrobili fakticky všechny srovnávané ukazatele ať socioekonomické úrovně obcí, tak dopravní dostupnosti, tak dopravní obsluţnosti. Znaménka ukazatelŧ v tab. 5 a 6 vypovídají o vzájemném vztahu. Kladné znaménko znamená, ţe čím vyšší je první ukazatel, tím vyšší je i ukazatel druhý. Záporné znaménko znamená, ţe čím vyšší je první ukazatel, tím niţší je ten druhý. Přičemţ u některých ukazatelŧ je chápání tohoto vztahu v podstatě obrácené. Například vyšší úroveň dopravní dostupnosti znamená ve skutečnosti horší dostupnost, jelikoţ se jedná o vyšší počet kilometrŧ a minut nutných pro dojíţďku do centra, většinou i vyšší prŧměrnou rychlost, jelikoţ na delší trase do centra je prŧměrná rychlost v zásadě vyšší. Podobně vyšší prŧměrná bodová hodnota prvního příjezdu do střediska a posledního odjezdu ze střediska znamenají pozdější první příjezd spoje z obce do střediska a stejně tak dřívější poslední příjezd spoje do obce. Tedy vyšší hodnota prvního příjezdu a posledního odjezdu znamenají horší úroveň obsluţnosti. Ačkoliv je to pro čtenáře tabulky moţná matoucí, šlo o data, která jsou takto koncipována a dále jsme je neupravovali. Data jsou očištěna o regionální střediska, u nichţ vycházely hodnoty dopravní obsluţnosti a dostupnosti nulové, jelikoţ byla sledována dostupnost právě do těchto středisek.

9.2 Korelace socioekonomických ukazatelů Nejprve jsme zhodnotili vzájemnou korelaci socioekonomických ukazatelŧ mezi sebou tak, abychom mohli určit relevantnost jednotlivých socioekonomických ukazatelŧ v dalších analýzách. Největší míru korelace s ostatními ukazateli měl počet podnikŧ na obyvatele, následovaný podílem zaměstnavatelŧ na ekonomicky aktivních. Podíl OSVČ sice velmi silně koreloval s počtem

90

podnikŧ, avšak s ostatními ukazateli jiţ méně. Poměrně silně ještě korelovala hrubá míra migračního salda s ostatními ukazateli, především s ukazateli podnikatelské aktivity. Nezaměstnanost a výnos z daně z příjmu fyzických osob z podnikání korelovaly (???) jiţ méně. Nezaměstnanost korelovala nejvíce s podílem vyjíţdějících (čím více vyjíţdějících tím menší nezaměstnanost). Výnos daně z příjmu podnikatelŧ přirozeně nejvíce koreloval s podílem zaměstnavatelŧ, méně pak s podílem OSVČ, jejichţ příjmy jsou podhodnoceny viz podkapitola 8.1. Podíl vyjíţdějících sice nejvíce vypovídá o dopravní dostupnosti, ovšem kromě úrovně nezaměstnanosti nejméně vypovídá o ostatních socioekonomických ukazatelích. Tab.5 Míry korelačního koeficientu mezi socioekonomickými ukazateli ukazatele počet akt. podniků/obyv. zaměstnavatele/ek. aktivní OSVC/ek. aktivní nezaměstnanost vyjíždějící/obyv. rel. míra migračního salda 2001/2010 výnos daně z příjmu fyz. osob

počet akt. podniků/ obyv

Zaměstna vatele/ek. aktivní 0,38

OSVC/ek. aktivní

nezaměst nanost

vyjíždějí cí/obyv

0,65 0,16

-0,14 -0,15 -0,10

-0,02 0,06 -0,02 -0,24

0,38 0,65 -0,14 -0,02

0,16 -0,15 0,06

-0,10 -0,02

-0,24

0,20

0,27

0,18

0,00

0,18

0,17

0,20

-0,04

-0,04

0,00

rel. míra migr. salda 2001/2010 0,20 0,27 0,18 0,00 0,18

výnos daně z příjmu fyz. osob 0,17 0,20 0,10 -0,04 0,00 0,09

0,09

9.3 Korelace dopravních a socioekonomických ukazatelů Výsledné vztahy mezi ukazateli korelační analýzy jsou celkově velmi slabé, kromě vztahu ukazatelŧ dopravní obsluţnosti s počtem obyvatel. Především vztah počtu spojŧ VHD a počtu obyvatel vykazuje jednoznačně největší míru závislosti (0,6 na mikroregionální úrovni). Ukazatel výnosu daně z příjmu fyzických osob z podnikání (DPFO) a kontrolní ukazatel rozdílu této daně a daně z přidané hodnoty (DPH) se ukázal v analýze jako ve většině případŧ irelevantní, jelikoţ nevykazoval na dané hladině významnosti většinou ţádný vztah. Největší míry závislosti vykazují ukazatele dopravní dostupnosti makroregionálního střediska. Projevuje se tak poměrně výrazně síla hlavního města Prahy na celorepublikové úrovni. Všeobecně lze říci, ţe čím lepší dostupnost Prahy (to znamená menší počet km, menší počet minut a v zásadě tedy i niţší prŧměrná rychlost jízdy), tím niţší je nezaměstnanost a lepší jsou ukazatele podnikatelské aktivity. Ačkoliv se tedy podnikatelská aktivita a s tím související nízká nezaměstnanost koncentruje na více místech v České republice (především velká krajská města), největší míry podnikatelské aktivity a nejniţší nezaměstnanost jsou v Praze a jejím širším okolí. Naopak na okrajích Středočeského kraje (oblasti vnitřní periferie) jsou hodnoty těchto ukazatelŧ výrazně horší, přestoţe dostupnost Prahy je v celorepublikovém měřítku relativně dobrá, to sniţuje celkovou hodnotu korelačního koeficientu. Na mezoregionální úrovni je vliv dopravní dostupnosti na ukazatele socioekonomické úrovně výrazně slabší neţ na makroregionální úrovni. Dŧvodem patrně je i to, ţe pracujeme s velmi vysokým počtem mezocenter. Byla-li by mezocentry pouze krajská města, závislost by byla jistě

91

větší. Mezocentra v našem pojetí se totiţ v podstatě blíţí mikroregionálním střediskŧm. Přesto platí, ţe čím je lepší úroveň dopravní dostupnosti obce do mezoregionálního centra, tím je vyšší kladné migrační saldo, vyšší počet vyjíţdějících a vyšší podíl zaměstnavatelŧ a částečně OSVČ. Naopak nezaměstnanost a počet podnikŧ na obyvatele s dopravní dostupností příliš nesouvisí. Vliv dopravní obsluţnosti mezoregionálního střediska má velmi silnou souvislost s počtem obyvatel v obci, silněji neţ v případě dopravní dostupnosti souvisí obsluţnost také s mírou migračního salda, podílem zaměstnavatelŧ na ekonomicky aktivních, v menší míře i s mírou nezaměstnanosti podílem OSVČ a počtem podnikŧ na obyvatele. Konkrétně, čím vyšší je počet spojŧ veřejné hromadné dopravy (VHD) a čím je niţší doba dojezdnosti těmito spoji tím je vyšší kladná míra migračního salda, vyšší podíl zaměstnavatelŧ, niţší nezaměstnanost, více podnikŧ na obyvatele a i vyšší podíl vyjíţdějících. Z dopravních ukazatelŧ nejvyšší vliv na socioekonomické ukazatele vykazuje počet spojŧ VHD a prŧměrná doba jízdy spoji VHD. Na mikroregionání úrovni jsou závislosti dopravních a socioekonomických ukazatelŧ ještě v méně těsném vztahu neţ na předchozích úrovních. Paradoxně ale ukazatel prŧměrné hodnoty dopravní obsluţnosti vykazuje vyšší míru korelace neţ na mezoregionální úrovni. Čím lepší je tedy prŧměrná hodnota dopravní obsluţnosti, tím větší je počet obyvatel obce, vyšší kladná míra migrace, vyšší podíl zaměstnavatelŧ, vyšší podíl vyjíţdějících, a niţší nezaměstnanost. Naopak ovšem lepší dopravní obsluţnost souvisí s menším podílem OSVČ, niţším počtem podnikŧ na obyvatele a niţší výnosem daně z příjmŧ z podnikání. Dŧleţité je ale poznamenat, ţe opačné výsledky u těchto ukazatelŧ vykazují i menší míru závislosti. Vliv dopravní dostupnosti je poněkud slabší. Největší závislost se socioekonomickými ukazateli má prŧměrná rychlost dojezdnosti do centra, která značí zprostředkovaně větší vzdálenost od střediska. Čím vyšší je tedy prŧměrná rychlost dojezdnosti do centra (větší vzdálenost), tím niţší je podíl vyjíţdějících, niţší podíl zaměstnavatelŧ a OSVČ, naopak vyšší je míra nezaměstnanosti. U dalších faktorŧ dopravní dostupnosti nejsou závislosti příliš zřetelné. I na mikroregionální úrovni tedy v zásadě platí, ţe čím lepší je (prŧměrná) úroveň dopravní obsluţnosti a dostupnosti je v takové obci i vyšší kladná míra migrace, vyšší podíl vyjíţdějících a vyšší podnikatelská aktivita (vyšší podíl zaměstnavatelŧ) a niţší nezaměstnanost. Výsledky ovšem v některých ukazatelích nejsou jednoznačné a proto je nelze přeceňovat. Navíc míra uţ tak nízké korelace, je na mikroregionální úrovni ze všech úrovní nejniţší. Výsledky jsou relativizovány velkým mnoţstvím obcí spadajících do velkých mikroregionŧ ekonomicky silných center (Praha, Brno, atd.). Obce z těchto mikroregionŧ, vykazují horší úroveň dopravní dostupnosti, protoţe jsou relativně daleko od centra, navíc s velmi nízkou prŧměrnou rychlostí dojezdnosti do střediska. Lidé z těchto obcí ale dojedou ochotně do tak velkého centra, jako je Praha nebo Brno, i z větší vzdálenosti. Navíc tyto obce vykazují povětšinou dobré hodnoty socioekonomických ukazatelŧ. Výsledky korelací dopravních ukazatelŧ mezi sebou jsou uvedeny v příloze. Jsou rozděleny na mikroregionální (Příl. 2), mezoregionální (Příl. 3) a makroregionální (Příl. 4) úroveň.

92

Tab. 6 Míry korelačního koeficientu mezi ukazateli dopravní dostupnosti a obslužnosti a socioekonomickými ukazateli na jednotlivých regionálních úrovních

do mikroregionálního centra

Regio nální úrove ň

Ukazatele

Obyva telstvo celkem

OSVC/ ek. aktivní

zaměstna vatelé/ek. akt

neza měst nano st

rel. míra migr. salda 2001/2010

počet podniků /obyv.

(vyjíždějící/ obyv.)*100

daň z příjmu na obyv.

rozdíl příjmu z daní DPFO/D PH

dostupnost v km

0,02

0,14

0,03

-0,05

0,08

0,10

-0,05

0,03

0,02

časová dostupnost

0,00

0,13

0,00

-0,03

0,05

0,09

-0,08

0,02

0,01

průměrná rychlost

-0,07

0,05

-0,11

0,07

-0,10

0,02

-0,14

0,01

0,00

počet spojů VHD

0,60

-0,05

0,19

-0,11

0,14

0,03

0,08

0,00

0,01

průměrná doba jízdy spoji VHD

-0,10

0,10

-0,06

0,01

-0,03

0,04

-0,11

0,02

0,00

0,25

-0,09

0,03

-0,05

0,03

-0,12

0,08

-0,03

-0,02

0,34

-0,07

0,11

-0,07

0,16

-0,07

0,09

-0,03

-0,01

0,37

-0,10

0,12

-0,08

0,12

-0,08

0,11

-0,03

-0,01

dostupnost v km

-0,04

0,06

-0,10

0,02

-0,12

0,01

-0,12

0,00

-0,01

časová dostupnost

-0,04

0,08

-0,09

0,01

-0,12

0,02

-0,12

0,00

-0,01

průměrná rychlost

-0,04

-0,01

-0,14

0,05

-0,12

-0,05

-0,08

0,01

0,00

0,44

-0,04

0,19

-0,12

0,14

0,06

0,05

0,00

0,01

-0,11

0,06

-0,12

0,05

-0,17

0,00

-0,14

0,02

0,00

-0,19

0,06

-0,09

0,08

-0,13

0,04

-0,11

0,02

0,01

0,23

-0,04

0,14

-0,09

0,14

0,02

0,03

-0,02

0,00

0,18

0,01

0,08

-0,07

0,01

0,05

-0,08

0,00

0,00

0,00

-0,19

-0,07

0,18

-0,24

-0,22

-0,01

-0,06

-0,06

-0,01

-0,19

-0,08

0,21

-0,28

-0,21

-0,07

-0,05

-0,05

0,03

-0,20

-0,10

0,12

-0,23

-0,22

0,06

-0,06

-0,06

1. příjezd spoje VHD do obce poslední odjezd spoje VHD z obce průměrná hodnota dopravní

do mezoregionálního centra

obslužnosti

počet spojů VHD průměrná doba jízdy spoji VHD 1. příjezd spoje VHD do obce poslední odjezd spoje VHD z obce průměrná hodnota dopravní

do makroregionál ního centra

obslužnosti dostupnost v km časová dostupnost průměrná rychlost

93

Problémem této analýzy je fakt, ţe korelujeme dopravní dostupnost do center se socioekonomickými ukazateli všech obcí České republiky. V dŧsledku toho ekonomicky nejúspěšnější obce (mezoregionální, respektive mikroregionální centra), které jsou zároveň nejlépe dostupné, do analýzy na straně dopravních ukazatelŧ vŧbec nevstupují, jelikoţ jsou zároveň centry dojezdnosti. Je to jeden z dŧvodŧ, proč je vztah dopravních a socioekonomických ukazatelŧ čitelnější na makro a mezoregionální úrovni, kde se tudíţ projevuje i vliv menších středisek, které na těchto úrovních do analýzy zahrnuty jsou (mikroregionální střediska na mezoregionální úrovni a všechna střediska kromě Prahy na makroregionální úrovni). Tento fakt je významný pro pochopení celé korelační analýzy a vysvětluje tak do jisté míry i niţší hodnoty korelačních koeficientŧ. Pokud bychom hodnotili vliv dopravní dostupnosti izolovaně pouze na města nad 5000 obyvatel, došli bychom zřejmě k jasnějším výsledkŧm. Je to tedy přinejmenším námět na další výzkum. Pro příští doplňující výzkum, který nejsme z dŧvodu rozsahu v naší práci schopni obsáhnout, by byla vhodná analýza vybraných měst navíc rozdělených do velikostních kategorií. Vybrána by byla města, u kterých je zřejmá rozdílná úroveň napojení na dopravní infrastrukturu. Například srovnání měst jako jsou Velká Bíteš, Humpolec, Velké Meziříčí a Jihlava na jedné straně a měst jako jsou Jemnice, Dačice, Telč a Třebíč na straně druhé. Muselo by se jednat přirozeně o větší soubor měst tak, aby bylo moţné rozhodnout, zda je závislost na dopravní dostupnosti skutečně vysledovatelná, nebo se jedná spíše o náhodnou shodu. Navíc by bylo nutné vypracovat jasnou a komplexnější metodiku hodnotící úroveň dopravního napojení na rychlostní silnice, dálniční sjezdy, ţeleznici atp., případně odfiltrovat vliv blízkosti velkých pracovních center.

94

10. FAKTOROVÁ A REGRESNÍ ANALÝZA 10.1 Faktorová analýza K pouţití faktorové a regresní analýzy jsme se rozhodli poté, co nám korelační analýza neumoţnila zjištění významnější závislosti mezi jednotlivými dopravními a socioekonomickými ukazateli. Nejprve bylo nutné agregovat si komplikovanou sféru dopravních ukazatelŧ do menšího počtu vysvětlujících faktorŧ. Z naší analýzy jasně vyšly dva vysvětlující faktory. První byl faktor dopravní dostupnosti vzešlý na základě časové a kilometrické dostupnosti a prŧměrné rychlosti. Druhý faktor byl faktor dopravní obslužnosti vzešlý ze zprŧměrovaných bodových hodnot dopravní obsluţnosti na mikro a mezoregionální úrovni. Tyto prŧměrné bodové hodnoty byly vypočítány na základě předchozích ukazatelŧ (viz kapitola 6). Míra vypovídací hodnoty jednotlivých faktorŧ dopravní dostupnosti je poměrně vysoká ve srovnání s předchozími nízkými mírami jednotlivých korelačních koeficientŧ, je to dáno především tím, ţe velkou míru výpovědní hodnoty měly především dva ukazatele. Za prvé se jednalo o počet obsazených pracovních míst v regionálních střediscích dojezdnosti. Ten svědčí právě o ekonomické síle střediska, do kterého jsme vypočítávali ukazatele dopravní dostupnosti. Ekonomická síla střediska jasně určuje nejen úroveň dalších socioekonomických ukazatelŧ, ale především určuje i velikost daných mikro a mezoregionŧ vytvořených na základě dojíţďky za prací. Druhým ukazatelem s velmi silnou vypovídací hodnotou byl podíl vyjíţdějících, který souvisí s dojíţďkou za prací ještě výrazněji. Faktor dopravní obsluţnosti jiţ v analýze příliš vysokou vysvětlující hodnotu neměl, ale přesto byl v modelu dŧleţitý. V tab. 7 je uvedena fyzická dostupnost mikroregionálního střediska jako první ukazatel. Zbylé (tučně vyznačené) ukazatele jsou jiţ faktory vzešlé na základě faktorové analýzy. Se všemi jsme pak korelovali ostatní socioekonomické predikátory. Tab. 7 Míra vypovídací hodnoty vypočítaných faktorů dopravní dostupnosti pro socioekonomickou sféru závislá proměnná (dopravní ukazatele)

predikátory (socioekonomické ukazatele)

fyzická vzdál. mikroregionálního centra (v km)

0,517

dostupnost (mikroreg.)

0,502

obslužnost (mikroreg.)

0,151

dostupnost (mezoreg.)

0,416

obslužnost (mezoreg.)

0,121

dostupnost (makroreg.)

0,570

10.2 Úvod do regresní analýzy Statistická metoda regrese redukuje multikolinearitu, neboli vzájemnou závislost jednotlivých predikátorŧ (ukazatelŧ), která mŧţe výsledky analýzy velmi ovlivnit. Hodnota regresního koeficientu (R square) představuje vysvětlenou variabilitu všech pouţitých socioekonomických predikátorŧ (nezávislých veličin). Znamená fakticky, jaký rozdíl zpŧsobuje tato nezávisle

95

proměnná, pokud ostatní ukazatele zŧstanou konstantní. Závisle proměnná dopravní dostupnost (respektive obsluţnost) je závislá na nezávisle proměnných predikátorech do takové míry, jakou určuje hodnota (standardizovaného) regresního koeficientu v tabulce. Význam jednotlivých faktorŧ vŧči sobě v rámci regresní analýzy ilustruje tabulka 8 a tab. 9. Regresní analýza předpokládá, ţe pokud se mění jeden ukazatel, mění se v závislosti na něm i ostatní ukazatele. Nejde tedy o pouhý vztah dvou proměnných, jako v případě korelační analýzy nýbrţ o sloţitější vztah jedné vysvětlované proměnné se škálou vysvětlujících proměnných. V našem případě chceme vysvětlovat úroveň dopravní dostupnosti a dopravní obsluţnosti škálou socioekonomických faktorŧ. Jelikoţ je kauzalita oboustranná, mŧţeme vztah proměnných tedy chápat i obráceně. Především dopravní obsluţnost mŧţe být socioekonomickými faktory ovlivněna výrazně a navíc při pohledu na předchozí mapové výstupy (kap. 6 a 7) je zřejmé, ţe lépe vystihuje dopravně i ekonomicky periferní regiony. U dopravní dostupnosti je kauzalita problematičtější, avšak rozhodli jsme se vyuţít pro přehlednost stejný postup jako v případě ukazatelŧ obsluţnosti. Dŧvodem je fakt, ţe zvolená metoda umoţňuje srovnávat jednotlivé socioekonomické ukazatele zvlášť, tak aby bylo zřejmé, jak jednotlivé ukazatele na změny v dopravní obsluţnosti a dostupnosti reagují. Pro kontrolu však provedeme dva typy regresní analýzy. První bude mít vyšší vysvětlenou variabilitu, ovšem bude to dáno zvolenými ukazateli, především počtem OPM ve středisku a podílem vyjíţdějících. Ve druhé analýze (podkap. 10.3) zvolíme ukazatele jiného druhu neovlivněné velikostí střediska a vyjíţďkou.

10.3 Regresní analýza ovlivněná velikostí střediska a vyjížďkou Z výsledkŧ první zvolené regresní analýzy je čitelné, ţe zcela rozhodující vliv na vysokou míru vysvětlené variability měl počet podnikŧ na obyvatele a podíl vyjíţdějících mimo obec. Čím vyšší je počet OPM ve středisku tím horší je prŧměrná dostupnost obcí IAD v daném pracovním regionu. To je přirozeně dáno tím, ţe větší pracovní centra vytváří větší pracovní mikroregiony, a tudíţ je zde i větší procento hŧře dostupných obcí. Navíc dostupnost zhoršuje i dlouhý prŧjezd většími středisky do centra obce. Jinými slovy do většího střediska se dojíţdí častěji z větší vzdálenosti. Tab. 8 Míry regresních koeficientů mezi zvolenými socioekonomickými predikátory a faktory dopravní dostupnosti socioekonomické predikátory

počet obsazených pracovních míst (OPM) v regionálním středisku (2001) počet obsazených pracovních míst na ekonomicky aktivních v obci (2011) míra nezaměstnanosti (2011) hrubá míra migr. salda na obyvatele 2001/2010 počet podniků na obyvatele (2012) podíl vyjíždějících mimo obec na obyvatele (2011) výnos z daně z příjmu fyz. osob na obyv. (2012)

fyzická vzdál. dostupnost obslužnost dostupnost obslužnost dostupnost mikroreg. mikroreg. mikroreg. mezoreg. mezoreg. makroreg. centra (v km) 0,80

0,80

0,31

0,70

0,20

-

-0,07

-0,04

0,19

0,02

0,16

0,15

-0,01

-0,00

-0,05

0,03

-0,08

0,23

-0,12

-0,17

0,03

-0,25

0,09

-0,21

-0,06

-0,06

-0,05

-0,02

0,16

-0,19

-0,15

-0,19

0,06

-0,18

0,06

0,19

-0,03

-0,03

-0,02

-0,03

-0,01

-0,07

96

Nejvyšší míry regresních koeficientŧ pozorujeme opět na makroregionální úrovni. Částečně je to dáno tím, ţe zde nehrál takovou roli ukazatel obsazených pracovních míst ve středisku, jelikoţ zkoumané středisko bylo pouze jedno (Praha). Vypovídací hodnota faktoru dopravní dostupnosti na makroregionální úrovni byla také největší ze všech ostatních úrovní (0,57). Čím lepší byla dopravní dostupnost makroregionálního centra tím niţší byla míra nezaměstnanosti, tím vyšší byla kladná míra migračního salda, tím vyšší byl počet podnikŧ na obyvatele v obci a v menší míře i vyšší výnos z daně z příjmu fyzických osob. Naopak však lepší dopravní dostupnost svědčí o niţším podílu vyjíţdějících na makroregionální úrovni. To je ovlivněno lokalizací mnoha jiných center dojíţďky za prací po celé České republice, které koncentraci vyjíţdějících poblíţ Prahy výrazně relativizují. Všechny tyto závislosti se pohybovaly okolo hodnoty regresního koeficientu 0,2, který svědčí o slabé závislosti. Na mezoregionální úrovni sledujeme dominantní vliv velikosti mezoregionálního střediska vyjádřeného počtem OPM. Čím lépe je dopravně dostupné mezoregionální středisko, tím větší je kladná míra migračního salda a vyšší je podíl vyjíţdějících za prací mimo obec. Ostatní faktory fakticky se zlepšením dopravní dostupnosti korelovaly velice málo. Naopak v případě dopravní obsluţnosti sledujeme relativně menší vliv velikosti střediska, (počet OPM), ačkoliv je stále nejvýznamnějším z ostatních faktorŧ. Čím lepší je tedy úroveň dopravní obsluţnosti do mezoregionálního střediska, tím větší je logicky i počet OPM ve středisku, tím vyšší je i počet OPM v samotné obci a tím vyšší je počet podnikŧ na obyvatele v obci. V menší míře je v takové obci i lepší kladné migrační saldo, niţší nezaměstnanost a je zde i vyšší podíl vyjíţdějících za prací. Faktor dopravní dostupnosti na mikroregionální úrovni byl ovlivněn velikostí střediska nejvíce. Lepší dopravní dostupnost mikroregionálního střediska měla zřetelnou souvislost s vyšším počtem vyjíţdějících a s vyšší kladnou míru migračního salda. V menší míře i s vyšším počtem podnikŧ na obyvatele. Při pohledu na souvislost s dopravní obsluţností opět poměrně silně vystupuje síla mikroregionálního střediska i ekonomická síla samotné obce vyjádřená počtem OPM. Ostatní faktory na mikroregionální úrovni s dopravní obsluţností příliš nesouvisí. Lepší dopravní obsluţnost tedy indikuje v menší míře niţší nezaměstnanost a vyšší podíl vyjíţdějících mimo obec, avšak na druhou stranu paradoxně indikuje niţší počet podnikŧ na obyvatele v obci. Z celkového pohledu na jednotlivé socioekonomické ukazatele je zřejmé, ţe na úroveň dopravní dostupnosti a obsluţnosti má největší vliv velikost regionálního střediska. Také vyšší kladná míra migračního salda a vyšší podíl vyjíţdějících indikují lepší dopravní dostupnost IAD a obsluţnost VHD. Bohuţel však tyto ukazatele nesvědčí přímo o socioekonomické (rozvojové) úrovni zkoumaných obcí. Snad pouze migrační saldo dokáţe dobře indikovat, zda se obec rozvíjí či nikoliv. Vyšší počet podnikŧ na obyvatele na všech úrovních kromě mikroregionální indikoval lepší úroveň dopravní dostupnosti i obsluţnosti. Při pohledu na mapu prostorového rozloţení podnikatelské aktivity je zřejmé, ţe vyšší podnikatelskou aktivitu vykazují spíše obce bliţší regionálním (pracovním) střediskŧm. Především těm větším a ekonomicky úspěšnějším (Praha, Brno, Plzeň, Zlín, Hradec Králové a Pardubice), Naopak ekonomicky slabší centra ve strukturálně postiţených regionech podobný jev nevykazují. Výnos daně z příjmu fyzických osob z podnikání

97

nevykazuje v zásadě ţádnou významnou míru vztahu s dopravními ukazateli. V malé míře ale platí, ţe čím lepší dopravní dostupnost IAD, tím vyšší výnosy z DPFO.

10.4 Regresní analýza ovlivněná komplexní socioekonomickou typologií obcí podle MMR V druhé analýze jsme se rozhodli zkoumat pouze vliv ekonomických faktorŧ a úrovně relativizované míry migračního salda, jelikoţ se tyto ukazatele ukázaly z předchozích analýzách jako více relevantní. Míra vypovídací hodnoty jednotlivých faktorŧ v druhé analýze je výrazně niţší ve srovnání s předchozím modelem, coţ je dáno tím, ţe nebyl pouţit silně vysvětlující ukazatel počtu OPM ve středisku. Tento ukazatel totiţ výrazně zmenšuje váhu ostatních faktorŧ, navíc v zásadě nevysvětluje ekonomickou úroveň obce, podobně je tomu i u podílu vyjíţdějících mimo obec. Z druhé analýzy jsme se rozhodli vynechat vliv dopravní dostupnosti. Dopravní dostupnost je totiţ silně determinována kilometrickou vzdáleností definovaných pracovních center, tudíţ vliv socioekonomických faktorŧ na ni je menší neţ v případě dopravní obsluţnosti. Vyšší vypovídací hodnota faktoru dopravní obsluţnosti je významně zvyšována pouţitým ukazatelem socioekonomické typologie podle MMR, proto jsme se rozhodli provést regresní analýzu zvlášť s faktorem typologie a bez něj. Typologie obcí podle MMR obsahuje fragmenty některých proměnných pouţitých v analýze (viz. podkapitola 5.8) a je jimi do jisté míry determinována. Pokud vyčleníme tedy faktor typologie z regresní analýzy, zvedne se znatelně vypovídací hodnota ostatních faktorŧ, avšak výrazně klesne vypovídací hodnota celého modelu. Další podrobnější analýzu bylo vhodné doplnit ukazateli dojíţďky do škol a za sluţbami a dalšími historicko-kulturními ukazateli, které by lépe vysvětlily prostorovou diferenciaci dopravní obsluţnosti v prostoru. Námi zkoumaný vztah dopravní obsluţnosti a ekonomických ukazatelŧ celou problematiku velmi zuţuje a nezabývá se ostatními sociokulturními vlivy, které situaci ovlivňují. Tab. 9 Míra vypovídací hodnoty vypočítaných faktorů dopravní dostupnosti pro socioekonomickou sféru závisle proměnná (dopravní ukazatele)

nezávisle proměnné (socioekonomické ukazatele ) bez typologie

s typologií

dostupnost mikroreg. centra

0,038

0,013

obslužnost mikroreg centra

0,104

0,351

dostupnost mezoreg. centra

0,036

0,036

obslužnost mezoreg centra

0,058

0,309

Při pohledu na tabulku 10 zjišťujeme výrazný vliv socioekonomické typologie na dopravní obsluţnost. To svědčí o poměrně silném vztahu socioekonomických ukazatelŧ na úroveň dopravní obsluţnosti obcí. Pokud se chceme podívat konkrétně na jednotlivé ukazatele, je vhodnější očistit regresní analýzu o silně vysvětlující faktor typologie obcí. Znatelné je to především na prohození významu podílu zaměstnavatelŧ s úrovní migračního salda, která po odstranění faktoru typologie ztratila na významu. Naopak faktor podílu zaměstnavatelŧ na ekonomicky aktivních vystupuje jako nejvíce vypovídající, následovaný migračním saldem a mírou nezaměstnanosti. Čím lepší je tedy

98

úroveň dopravní obsluţnosti v obci tím větší je podíl zaměstnavatelŧ v obci, tím vyšší je hodnota kladného migračního salda a tím niţší je i míra nezaměstnanosti. Naopak lepší dopravní obsluţnost obce indikuje niţší počet podnikŧ na obyvatele a je zde i nepatrně niţší výnos daně z příjmu fyzických osob z podnikání. Tab. 10 Míry regresních koeficientů socioekonomických predikátorů ovlivňujících dopravní obslužnost Socioekonomické faktory

Obslužnost mikroreg. bez typologie s typologií

obslužnost mezoreg. bez typologie s typologií

nezaměstnanost (2011)

-0,08

0,02

-0,11

-0,02

migrační saldo 2001/2010

0,14

0,13

0,11

0,19

zaměstnavatelé/ek.aktivní (2011)

0,18

0,07

0,17

0,05

počet podniků/obyv. (2012)

-0,09

-0,03

-0,06

0,03

daň z příjmu fyz. os./obyv. (2012)

-0,05

-0,02

-0,04

-0,02

Typologie obcí podle MMR

-

0,57

-

0,54

10.5 Závěr Regresní analýza na základě faktorové analýzy dospěla k vyšším mírám korelace, neţ tomu bylo u jednoduché analýzy korelační. Modely regresní analýzy měly vyšší vypovídací hodnotu, ale dospěly k podobným výsledkŧm jako u korelační analýzy. V zásadě platí, ţe čím lepší je dopravní dostupnost, tím lepší je kladná míra migračního salda a vyšší je podnikatelská aktivita. Ve většině případŧ je v obcích s lepší dopravní dostupností i niţší míra nezaměstnanosti. Mŧţeme konstatovat, ţe z první regresní analýzy je evidentní, ţe byla silně ovlivněna vlivem velikosti střediska a podílem vyjíţdějících mimo obec. Oba ukazatele navíc nedokázaly samy o sobě osvětlit ekonomickou úroveň obce. Spíše svědčily o směrových vztazích dojíţďky za prací neţ o reálné rozvojové situaci obce. I z toho dŧvodu dopravní obsluţnost v této analýze vykazovala menší míru vysvětlené variability neţ dopravní dostupnost. Jistý vliv měl počet podnikŧ na obyvatele, který se s lepší dostupností zvyšoval. Lepší dopravní obsluţnost indikovala vyšší počet podnikŧ na obyvatele na mezoregionální úrovni, nikoliv však na mikroregionální. Ačkoliv měl tedy pouţitý model vysokou vypovídací hodnotu studované variability, jeho výsledky se ukázaly jako problematické. Byla proto provedena druhá regresní analýza. Zde jsme jiţ nezkoumali vliv socioekonomických ukazatelŧ na dopravní dostupnost, ale zkoumali jsme vliv pouze na dopravní obsluţnost, která více odpovídá prostorovému rozmístění ekonomicky jádrových a periferních regionŧ. Vyuţili jsme analýzu s faktorem typologie obcí a bez něj. Z druhé analýzy jasně vyplývá, ţe čím lepší dopravní obsluţnost obcí, tím lepší je typologie obce zaloţená na komplexní kombinaci socioekonomických faktorŧ. Pokud se podíváme podrobněji na jednotlivé faktory analýzy očištěné o silně vysvětlující faktor typologie, je zřejmé ţe čím lepší je dopravní obsluţnost, tím vyšší je kladné migrační saldo, tím vyšší je podíl zaměstnavatelŧ na ekonomicky aktivních a tím niţší je nezaměstnanost. U počtu podnikŧ na obyvatele a výnosu z DPFO je kauzalita sice opačná avšak výrazně slabší.

99

11.

KORELACE

TYPOLOGIE

VYMEZENÍ

OBCÍ

PODLE

MMR

S DOPRAVNÍMI CHARAKTERISTIKAMI Jako poslední analýzu jsme zvolili korelaci a mapovou komparaci vybraných dopravních ukazatelŧ s komplexní socioekonomickou typologií obcí ČR, kterou vytvořilo Ministerstvo pro místní rozvoj ČR (MMR, 2012) na základě koncepce vytvořené sdruţením firem GaREP, spol. s r.o. a Regiopartner, s.r.o (Regionální rozvoj, 2013)12. Komparovali jsme zprŧměrované bodové hodnoty typologie s dopravními ukazateli. Konkrétně s prŧměrnou hodnotou obsluţnosti do mikro a mezoregionálního střediska. Časovou náročností dopravní infrastruktury IAD (viz str. 46) do mikroregionálního a mezoregionálního střediska a následně jsme zkoumali oba ukazatele jednotlivě. Typologie území ČR byla hodnocena z hlediska syntézy ukazatelŧ rozvojových podmínek obcí a struktury osídlení. Typologie porovnává rozvojové znaky obcí i ve vazbě na podmínky osídlení a prostorovou strukturu sociálně ekonomických jevŧ. Hladinu pro vymezení typologie (typy území) určuje variační rozpětí od kladných hodnot přes přechodné pásmo k záporným hodnotám. Pozice územních jednotek v hodnotách indikátorŧ je relativizována v poměru k celostátní střední hodnotě (MMR, 2012). Na základě výše uvedené metody hodnocení je území České republiky rozděleno na tři základní typy z hlediska rozvojových znakŧ: rozvojová území; stabilizovaná území a periferní území. V kombinaci s ukazateli hustoty zalidnění a počtu obyvatel jsou tyto typy dle stupně urbanizace území rozděleny na urbanizované oblasti a venkov (rozlišujícím kritériem je hustota zalidnění 100 obyvatel na km2). Rozvojová území mŧţeme charakterizovat, jako hospodářská střediska regionálního významu a jejich zázemí s vyšší koncentrací obyvatel, větším počtem podnikatelských subjektŧ. Jejich jádra často představují v daném regionu dominantní centra zaměstnanosti. Jedná se o vysoce urbanizovaná území. Stabilizovaná území jsou území, která v dlouhodobém hledisku nevykazují významné negativní socioekonomické charakteristiky (např. nezaměstnanost, vylidňování, environmentální zátěţe nebo nedostatečná vybavenost), ale zároveň nejsou „hybatelem“ socioekonomického rozvoje v regionu, coţ předurčuje skutečnost, ţe část místního obyvatelstva musí vyjíţdět za prací a do škol mimo tyto funkční oblasti. Periferní území jsou naopak území geograficky odlehlá a dlouhodobě se potýkající s kumulací problémŧ (např. horské oblasti, příhraniční oblasti, vnitřní periferie nebo území se specifickými problémy). Jedná se o území, ve kterých se kumulují negativní charakteristiky, které spočívají například v nedostatečné vybavenosti území, v často velmi špatné dopravní dostupnosti či vysoké nezaměstnanosti. Podrobnější vysvětlení jednotlivých typŧ viz Strategie regionálního rozvoje ČR 2014 – 2020 (MMR, 2012, s. 54) Na následujících mapách si srovnáme prostorovou diferenciaci prŧměrné hodnoty dopravní obsluţnosti a typologie území podle MMR (2012). 12

Zpracované analytické části jsou k dispozici na adrese: http://www.regionalnirozvoj.cz/index.php/srr.html

100

Obr. 35 typologie území České republiky na základě socioekonomických charakteristik Zdroj: MMR, 2012

Obr. 36 Typologie obcí podle průměrné bodové hodnoty dopravní obslužnosti v roce 2010

101

Problematickým se jeví vymezení rozvojových území podle typologie obcí (MMR, 2012), protoţe, jak je z mapového výstupu evidentní, je silně ovlivněna hustotou obyvatelstva. Jako rozvojové regiony pak vystupují i oblasti Severních Čech a některé části Severní Moravy, které z ostatních analýz např. Nováka a Netrdové (2011) a MMR (2012, s. 58) vystupují jako hospodářsky problémové regiony. Z mapové komparace vychází poměrně zřetelně velká míra podobnosti socioekonomické typologie obcí ČR a dopravní obsluţnosti do mikroregionálních a mezoregionálních středisek. U typologie obcí se poněkud více projevuje vliv dopravní infrastruktury, podél které se koncentrují obce spadajících do typologie rozvojových území. Jsou to především rozvojové osy Plzeň-PrahaLiberec, Praha-Kolín-Hradec Králové a Brno-Olomouc. Tyto osy svědčí o tom, ţe nestačí pouhé napojení na dobrou infrastrukturu, ale nutný je i předpoklad spojení ekonomicky silných center touto infrastrukturou. V případě dopravní obsluţnosti, jsou rozvojové regiony v zásadě shodné s těmi v typologii obcí podle MMR (2012), avšak nejsou tolik propojené. Vliv má organizace dopravy, která je určována především na krajské úrovni. Mezikrajská spojení nejsou tudíţ tolik obvyklá. Lokalizace regionu na dálničním spojení (resp. na rychlostní komunikaci) či ţelezničním koridoru znamená jeho lepší napojení do okolních ekonomik, a tudíţ v typologii obcí souvisí s dalšími socioekonomickými ukazateli. Tento vztah ovšem opět není automatický. Při pohledu na krajskou úroveň je nejlépe napojeným krajem na silniční infrastrukturu vyššího typu (vyjádřeného v metrech dálnic a rychlostních silnic na km2) v tomto smyslu Středočeský kraj, po něm pak kraj Olomoucký, naopak nejhŧře na tom jsou Jihočeský, Pardubický a Královéhradecký kraj. Jak je však patrné u Olomouckého kraje, ani napojení na dálniční síť nezaručuje ekonomický úspěch regionu a výrazný rŧst jeho konkurenceschopnosti. To je dáno mimo jiné tím, ţe akční rádius těchto dopravních tepen pokrývá jen malý pruh území podél dopravního tahu (MMR, 2012). Zatímco u rozvojových území nacházíme mezi typologií obcí a dopravní obsluţností velkou míru shody u periferních území je komparace výsledkŧ jiţ poněkud komplikovanější. V zásadě ale u obou charakteristik mŧţeme vymezit periferie podél krajských hranic. Na dopravní obsluţnost má velký vliv, jak jsme si jiţ uvedli v kap. 6 organizace dopravy v jednotlivých krajích v souvislosti s prŧměrnou velikostí obce. Z toho dŧvodu vychází velmi špatně rozlehlé oblasti kraje Vysočina, Pardubického a Plzeňského kraje, přičemţ z hlediska komplexní typologie nejsou tyto kraje nijak zásadně ekonomicky postiţené. Naopak Slovácko a velké části Jihomoravského kraje vychází lépe, co se týče dopravní obsluţnosti, neţ by odpovídalo jejich socioekonomické typologii. Vliv zde má opět velká prŧměrná velikost obcí a dobře fungující Integrovaný dopravní systém JMK. Pro srovnání uvádíme i mapové vykreslení prŧměrné hodnoty náročnosti dopravní infrastruktury, kterou budeme dále hodnotit i pomocí korelace. Konkrétně (náročnosti) prŧjezdnosti silniční sítě individuální automobilovou dopravou do definovaných mikro a mezoregionálních středisek. Syntetický ukazatel sice do jisté míry postihuje vysloveně periferní regiony, jako Dačicko,

102

Jesenicko a pohraniční hory (Krkonoše, Orlické hory, Beskydy a Český les) avšak nejedná se o spojité regiony. Zcela zásadní je vzdálenost do mezoregionálního centra a opět je zde velmi patrný silný vliv tvaru a velikosti mezoregionŧ, potaţmo mikroregionŧ. Na druhou stranu poměrně dobře jsou znatelné prŧchody dálniční sítě v území, které úroveň náročnosti dopravní infrastruktury sniţují. Dŧsledkem zvolené metodiky je poměrně špatná dostupnost obcí v ekonomicky úspěšných mezoregionech velkých měst (Praha, Brno aj.). Velmi špatně vychází především praţský mezoregion. Časová náročnost dojezdnosti do centra Prahy je výrazně horší, neţ do menších měst. Navíc je vzhledem k ekonomické síle Prahy mezoregion prostorově rozlehlý. Ekonomicky ovšem praţský mezoregion vychází velmi dobře.

Obr. 37 Průměrná hodnota náročnosti silniční sítě z obcí do mikro a mezoregionálního centra roku 2012

Pokud si mapovou komparaci dokreslíme i statistickou korelací vyjde nám poměrně silný vztah socioekonomické typologie obcí se zprŧměrovanou hodnotou dopravní obsluţnosti spoji VHD do mikro a mezoregionálních středisek. Vzájemný vztah dosahuje hodnoty více jak 0,5, jedná se tedy o střední závislost na dané hladině významnosti. Čím lepší je socioekonomická úroveň obcí, tím lepší je úroveň dopravní obsluţnosti obcí. Nízkou závislost vykazuje ještě časová náročnost dopravní infrastruktury do mezoregionálního střediska. Čím lepší je socioekonomická typologie obcí, tím lepší je zároveň časová náročnost dopravní infrastruktury. To znamená tím lepší je kombinace vzdálenosti a prŧměrné rychlosti dojezdnosti do mezoregionálního střediska. Velmi slabou závislost mŧţeme vysledovat u časové náročnosti dopravní infrastruktury do mikroregionálního střediska. Navíc vypovídá o tom, ţe čím lepší je socioekonomická úroveň obce, tím horší je časová náročnost dopravní infrastruktury do mikroregionálního střediska.

103

Tab. 11 Míry korelačních koeficientů mezi typologií obcí a ukazateli dopravní obslužnosti a dostupnosti

socioekonomická typologie obcí

Průměrná bodová

Časová náročnost

Časová náročnost

Časová náročnost

hodnota obslužnosti

dopr infrastruktury

dopr infrastruktury

dopr infrastruktury

(mikro i mezo)

(mikroreg.)

(mezoreg.)

(mikro a mezoreg.)

0,572

0,061

-0,258

-0,163

Výše popsané korelační koeficienty dvou nejsilnějších závislostí, tedy socioekonomické typologie obcí s prŧměrnou hodnotou dopravní obsluţnosti a s časovou náročností dopravní infrastruktury do mezoregionálního střediska jsme dokreslili bodovými grafy. Bodové grafy prokládají prŧměrované hodnoty celkové dopravní obsluţnosti s agregovanými ukazateli socioekonomické sféry. Proloţená regresní přímka poměrně dobře popisuje trend hodnot. Hodnoty jsou sice agregovány do sloupcŧ, jelikoţ se jedná o bodovou škálu. V případě typologie se jednalo o devíti bodovou škálu, zatímco v případě hodnocení dopravní obsluţnosti jsme pouţili pěti bodovou škálu.

Obr. 38 Bodový graf závislosti průměrné hodnoty obslužnosti obcí s typologií obcí proložený regresní přímkou a s rozložením hodnot

Obr. 39 Bodový graf závislosti průměrné hodnoty časové náročnosti dopravní infrastruktury z obcí do střediska s typologií obcí proložený regresní přímkou a s rozložením hodnot

104

V pravé části obrázku pak uvádíme i frekvenční histogram jednotlivých hodnot. Pravděpodobnostní rozdělení dat zobrazené na histogramu nám modeluje, popisuje, nebo předpovídá náhodné chování proměnných. Lze je popsat pomocí pravděpodobnostní, distribuční či frekvenční funkce (frekvenčního histogramu). V obou případech se jedná zhruba o normální rozdělení. V případě závislosti obsluţnosti na typologii, je rozdělení hodnot méně blízké normálnímu rozdělení, neţ v případě závislosti časové náročnosti dopravní infrastruktury a typologie obcí. Jak regresní přímka, tak frekvenční histogram tedy potvrzují vhodnost pouţité metody korelace a proloţení regresní přímky odpovídá zhruba rozloţení hodnot. Jako poslední analýzu srovnávající socioekonomickou typologii obcí s úrovní dopravní dostupnosti a obsluţnosti jsme pouţili regresní analýzu na základě faktorŧ vymezených v podkap. 10.1. Závisle proměnná typologie obcí (tedy kombinace socioekonomických faktorŧ) byla výrazně závislá na dopravní obsluţnosti. Naopak závislost na úrovni dopravní dostupnosti byla velmi malá. To jen potvrzuje výsledky z předchozích krokŧ komparace. Tab. 12 Míry regresních koeficientů faktorů dopravní dostupnosti(predikátorů) ovlivňujících typologii obcí dopravní faktory (nezávisle proměnná)

typologie obcí (závisle proměnná)

dostupnost mikroreg.

-0,06

obslužnost mikroreg.

0,58

dostupnost mezoreg.

-0,16

obslužnost mezoreg.

0,55

vypovídací hodnota modelu 0,34 0,33

Na základě všech analýz provedených v této kapitole tedy mŧţeme konstatovat, ţe čím lepší je především úroveň dopravní obsluţnosti VHD a v menší míře i dopravní dostupnosti IAD, tím lepší jsou celkově socioekonomické ukazatele indikující rozvojový potenciál obce a hustotu zalidnění v území.

105

12. ZÁVĚR Rigorózní práce vychází z kritického přístupu k u nás stále významně zastoupené neoklasické a neoliberální tradici, která vidí automaticky zlepšení dopravní dostupnosti prostřednictvím výstavby komunikací vyššího řádu jako multiplikační efekt rozvoje daného regionu. A to především díky sniţování dopravních nákladŧ jako bariér volného trhu. Na základě kritické rešerše výsledkŧ ekonomické, sociologické a technicko-logistické odborné literatury jsme hledali komplexní metodiku hodnocení úrovně dopravní dostupnosti a obsluţnosti. V naší práci uplatňujeme především metody geografických a statistických analýz, které nejlépe umoţní sledování nerovnoměrností rozvoje v regionech. Těţiště naší práce se nachází v kvantitativní analýze prostorových dat o socioekonomické úrovni obyvatelstva a podnikatelského prostředí ve srovnání s úrovní dopravní dostupnosti, obsluţnosti obcí České republiky. Námi zvolená metoda hodnocení dopravní dostupnosti IAD je silně ovlivněna hustotou mikroregionálních, nebo mezoregionálních středisek, potaţmo excentrickou polohou Prahy v rámci České republiky. Ačkoliv jsme pouţili vymezení regionŧ a regionálních středisek na základě dojíţďky za prací, která má velký vliv na socioekonomické faktory, svědčí výsledné hodnoty mnohdy spíše o sídelní struktuře, neţ o kvalitě dopravní infrastruktury. Metodika částečně vymezuje periferní a jádrové regiony, nezohledňuje však příliš pracovní velikost jednotlivých center. Větší mnoţství mikroregionálních středisek např. na Náchodsku a Orlickoústecku, nebo mezoregionálních středisek na Vysočině a střední Moravě tak silně zlepšuje úroveň dopravní dostupnosti, ačkoliv daná střediska jsou poměrně ekonomicky slabá a nekorelují výrazně s lepší úrovní socioekonomických ukazatelŧ. Snaţili jsme se podtrhnout vliv dopravní infrastruktury na dopravní dostupnost pouţitím ukazatele časové dostupnosti, prŧměrné rychlosti dojezdnosti, nebo časové náročnosti dopravní infrastruktury, stále velmi zásadní ale zŧstal vliv fyzické vzdálenosti obce a dané regionálního střediska (v km). Analýza dopravní obsluţnosti se ukázala jako o něco vhodnější, jelikoţ na jejím základě jsme mohli vytvořit prŧměrnou bodovou hodnotu dopravní obsluţnosti obcí do mikro a mezoregionálního střediska, která v zásadě odpovídá komplexní socioekonomické typologii obcí. Rozvojové a centrální regiony vymezené podle Strategie regionálního rozvoje ČR 2014-2020 (MMR, 2012) se v zásadě shodují i s dalšími typologiemi území podle Nováka a Netrdové, 2011 a Musila a Müllera, 2008. Rozvojová (urbanizovaná) území vyšlá z typologie MMR (2012) se v zásadě shodovala s nejlépe obslouţenými obcemi. U periferních a stabilizovaných území byla podobnost také vysledovatelná, ale v menší míře. Výrazný vliv na dopravní obsluţnost měla sídelní struktura (lidnatější obce byly lépe obslouţeny), organizační stránka (organizace veřejné dopravy krajskými úřady, přítomnost fungujících integrovaných dopravních systémŧ) a částečně vedení ţeleznic, které zlepšovaly obsluţnost i o víkendech. Tyto faktory závislost s ekonomickou úrovní obcí spíše problematizovaly. Naopak faktor prŧchodu hierarchicky nadřazených dopravních tahŧ a počtu obsazených pracovních míst v regionálním středisku souvislost s ekonomickou úrovní obcí spíše podtrhoval.

106

Analýza vybraných socioekonomických ukazatelŧ prokázala v rŧzné míře souvislost s komplexním vymezením socioekonomické typologie obcí. Největší prostorovou souvislost vykazovala míra podnikatelské aktivity, konkrétně především podíl zaměstnavatelŧ na ekonomicky aktivních v obci, v menší míře pak počet aktivních podnikŧ na obyvatele v obci a ještě méně podíl osob samostatně výdělečně činných (OSVČ). Počet podnikŧ a podíl OSVČ vykresloval čitelněji nejproblematičtější regiony (periferní). Největší míru korelace za všechny obce ČR s ostatními socioekonomickými ukazateli měl počet podnikŧ a podíl zaměstnavatelŧ. Při podrobnějším pohledu na vybraná města se nám potvrdilo, ţe ekonomicky úspěšnější města vykazovala v zásadě vyšší podíl zaměstnavatelŧ, neţ populačně srovnatelná avšak ekonomicky slabší města. Naopak ukazatel výnosu daně z příjmu fyzických osob se příliš s ostatními ukazateli neshodoval, coţ bylo dáno jeho problematickým výpočtem a také nízkým odvodem této daně u podnikajících osob. Dalším ukazatelem, který potvrzoval v základních rysech vymezení rozvojových a periferních regionŧ byla míra registrované nezaměstnanosti. Podíl vyjíţdějících byl jednoznačně nejvyšší v obcích dobře dopravně dostupných z velkých měst a naopak malý byl v periferních regionech (především v pohraničí). Relativizovaná míra migračního salda byla nejvyšší u dobře dopravně dostupných obcí v zázemí velkých měst a v hrubých rysech indikovala problematické periferní regiony s vyšší mírou vystěhovalectví, nízkou podnikatelskou aktivitou a vysokou nezaměstnaností. Na základě korelační a regresní analýzy výše zmíněných ukazatelŧ se nyní pokusíme odpovědět na výzkumnou otázku poloţenou na začátku práce. Potvrdilo se tedy, ţe obce s lepší úrovní dopravní dostupnosti a obslužnosti vykazují i lepší úroveň ukazatelů socioekonomického rozvoje regionu v ČR? Výsledky korelační analýzy jednotlivých ukazatelŧ potvrdily sice statisticky významnou závislost díky velkému mnoţství statistických vzorkŧ (více jak 6000). Jejich závislost však byla v drtivé většině natolik slabá (korelační koeficient niţší neţ 0,2), ţe z takových závislostí nelze vyvozovat ţádné jednoznačné závěry. Mŧţeme nanejvýš popsat základní tendence. Čím jsme šli na vyšší územní měřítko, tím silnější byly vzájemné vztahy. Poměrně nejasné, či protichŧdné byly vztahy na mikroregionální úrovni, jasnější na mezoregionální úrovni a nejsilnější byly na makroregionální úrovni (přesto nejsilnější korelační koeficient dosahoval hodnoty 0,28 (pokud pomineme vysoké korelace dopravní obsluţnosti s počtem obyvatel obce). Ve všeobecnosti mŧţeme konstatovat, ţe lepší úroveň dopravní dostupnosti a obsluţnosti indikovala v zásadě vyšší kladnou míru migračního salda, vyšší podnikatelskou aktivitu, niţší nezaměstnanost a vyšší podíl vyjíţdějících za prací mimo obec. Vztah s výnosem z daně z příjmu fyzických osob se neprojevil jako relevantní. Nejvyšší vypovídací hodnotu měl ukazatel hrubé míry migračního salda, podílu zaměstnavatelŧ na ekonomicky aktivních a samozřejmě počet obyvatel (především u ukazatelŧ dopravní obsluţnosti). Regresní analýza na základě faktorové analýzy dospěla k vyšším mírám korelace, neţ tomu bylo u jednoduché analýzy korelační. Modely regresní analýzy dospěly k podobným výsledkŧm jako u korelační analýzy. V zásadě platí, ţe čím lepší je dopravní dostupnost tím lepší je kladná míra migračního salda a vyšší je podnikatelská aktivita. Ve většině případŧ je v obcích s lepší dopravní dostupností i niţší míra nezaměstnanosti. Pokud jsme do analýzy zahrnuli faktor OPM ve středisku, výrazně více nám se socioekonomickými ukazateli korelovala dopravní dostupnost, pokud jsme

107

zařadili faktor komplexní typologie obcí, korelovala naopak výrazně více dopravní obsluţnost. Úskalím korelační i regresní analýzy je fakt, ţe korelujeme dopravní dostupnost do center se socioekonomickými ukazateli všech obcí České republiky. V dŧsledku toho ekonomicky nejúspěšnější obce (mikroregionální, respektive mezoregionální centra), které jsou zároveň nejlépe dostupné, pak do analýzy na straně dopravních ukazatelŧ vŧbec nevstupují, jelikoţ jsou zároveň centry dojezdnosti. Je to jeden z dŧvodŧ, proč je vztah dopravních a socioekonomických ukazatelŧ čitelnější na makro a mezoregionální úrovni, kde se tudíţ projevuje i vliv středisek, které uţ na těchto úrovních do analýzy zahrnuty jsou. Odpověď na doplňující výzkumnou otázku, zda periferní regiony vymezené ve Strategii regionálního rozvoje pro období 2014-2020 vykazují horší dopravní dostupnost i obslužnost a naopak rozvojová (urbanizovaná) území vykazují dostupnost a obslužnost lepší byla následující. Zjistili jsme, ţe rozvojové (urbanizované) regiony vymezené na základě typologie MMR (2012) vykazují lepší úroveň dopravní obsluţnosti. Zcela jasně to bylo patrné jak z mapového srovnání, tak z míry vzájemné korelace a regrese, která celkově indikovala střední závislost na dané hladině významnosti. U periferních a stabilizovaných území byla z mapového srovnání situace problematičtější vzhledem k faktorŧm ovlivňujících úroveň dopravní obsluţnosti (viz výše). Srovnání dopravní dostupnosti s typologií obcí jiţ nevykazovalo natolik zřetelnou souvislost. Závislost sice vykazovala slabou míru vztahu, ale pouze na mezoregionální úrovni. Na mikroregionální úrovni byl vztah nejasný. Proto neplatí, ţe by periferní regiony vymezené na základě typologie MMR (2012) vykazovaly výrazně horší míru dostupnosti regionálních center IAD. Kriticky proto hodnotíme předpoklad, ţe lepší dopravní dostupnost indikuje lepší rozvojový potenciál území. I kdyţ v zásadě se nám tato premisa potvrdila, existuje velké mnoţství příkladŧ, které stojí proti tomuto tvrzení. Potvrzují to i některé výsledky z návrhu Strategie regionálního rozvoje ČR pro období 2014-2012 (MMR, 2012, s. 49). Dobře dopravně napojená území v mnoha případech vykazují vysokou míru nekonkurenceschopnosti. Velký význam nehraje pouze napojení na dobrou dopravní infrastrukturu, ale také role dopravní infrastruktury v propojování středisek. Výrazně vyšší rozvojový potenciál mají obce, které se nachází na rychlostní komunikaci spojující ekonomicky silná centra (Praha-Plzeň, Praha-Mladá Boleslav-Liberec), neţ obce na dálnici spojující centra ekonomicky slabá (Vyškov-Kroměříţ, Olomouc-Mohelnice). Úroveň dopravní dostupnosti je tedy spíše doplňkovým faktorem regionálního rozvoje, neţ ţe by jej mohla sama o sobě generovat. Závěrem mŧţeme konstatovat, ţe vztah dopravní dostupnosti a socioekonomické úrovně obcí je sice v hrubé míře vysledovatelný, ale je ovlivněn z velké části dalšími faktory, které vzájemný vztah pouze těchto dvou faktorŧ velmi komplikují. Nelze proto jasně stanovit, jaký izolovaný vliv má úroveň dopravní dostupnosti na regionální rozvoj, jelikoţ ten je determinován spíše jinými faktory. Jsou to například kvalita lidských zdrojŧ související s ochotou pracovat a podnikatelskou aktivitou, kvalita podnikatelského prostředí, nesoulad mezi kvantitativní, ale také i kvalitativní nabídkou a poptávkou pracovní síly, přímé zahraniční investice, implementace inovací a

108

technologíí a mnohé jiné. Dopravní dostupnost je faktor sice významný, ale spíše doplňující, podpŧrný, ale nepominutelný. Doprava je podmínka nutná, avšak nikoliv dostačující.Výraznější vliv sama o sobě má snad pouze v případě lokalizace přímých zahraničních investic.

109

POUŽITÁ LITERATURA [1] ANNEX XXI, MAJOR PROJECT REQUEST FOR CONFIRMATION OF ASSISTANCE UNDER ARTICLES 39 TO 41 OF REGULATION (EC) NO 1083/2006 EUROPEAN REGIONAL DEVELOPMENT FUND / COHESION FUND INFRASTRUCTURE INVESTMENT [M3 motorway between Nyíregyháza and Vásárosnamény] [2] BANISTER, D., BERECHMAN, Y., (2001): Transport investment and the promotion of economic growth. Journal of Transport Geography 9 (2001), s. 209 – 218 [3] BANISTER, D., BERECHMAN, Y., (2012): Transport Investment and Economic Development, Routledge, London, Edition of book from 2000., 370 s., ISBN 0419-25600-8 [4] BLACK, A. W., (2003): Transportation: A Geographical Analysis. The Guilford Press, New York, 375 s., ISBN 1-57230-848-6 [5] BLAŢEK, J., UHLÍŘ, D., (2011): Teorie regionálního rozvoje: nástin, kritika, inspirace. Univerzita Karlova v Praze. Vyd. 2, 342 s., ISBN 978-80-246-1974-3 [6] BORUTA, T., IVAN, I., (2010): Public transport in rural areas of the Czech Republic – case study of the Jeseník region, In Moravian Geographical Reports Vol. 18, 2/2010, s. 9 – 22. [7] BRŦHOVÁ-FOLTÝNOVÁ, H., (2009): Doprava a společnost: Ekonomické aspekty udrţitelné dopravy, Karolinum, Praha, 212 s., ISBN 978-80-246-1610-0 [8] BRUNCLÍK, A., VOREL, V. a kol. (2009): Páteřní síť dálnic a rychlostních silnic v ČR, Ředitelství silni a dálnic, Praha, 148 s. Dostupné na: http://www.rsd.cz/rsd/rsd.nsf/0/0F4DC593D80BE2FFC1257 5EC0036F3B8/$file/Paterni%20sit%20text%20www.pdf, Citováno dne 30.1. 2012 [9] BUDÍKOVÁ, M., KRÁLOVÁ, M., MAROŠ, B., (2010): Prŧvodce základními statistickými metodami, Grada Publishing a.s., Praha, 272 s., ISBN 978-80-247-3243-5 [10] CALLINICOS, A. (2006): David Harvey and marxism. In Castree, N., Gregory, D. (eds.) David Harvey. A Critical Reader, s. 47-54. [11] Centrum pro regionální rozvoj MU (CpRR), CHVÁTAL, F., KUCHYŇKA, J., MULÍČEK, O., SEIDENGLANZ, D., STRNADOVÁ, D., (2011): Analýza dopravní obsluţnosti v obcích ČR. Zpráva pro Ministerstvo dopravy, Brno, 81 s. [12] CURTIS, C., RENNE, L., J., BERTOLINI, L., (2009): Transport Oriented Development: making it happened. Ashgate Publishing Limited, Surrey (Great Britain), 291 s., ISBN: 978-0-7546-7315-6 [13] DEIKE, P. (2000): Old Myths & New Realities of Transport Corridor Assessment: Implications for EU interventions in Central Europe, Paper for the 2 n d Trans-Talk Workshop “Projects, Programmes, Policies: Evaluation Needs and Capabilities,” Brussels, November 6-8, 2000. Dostupné na: http://www.iccr-international.org/trans-talk/docs/ws2-peters.pdf, Citováno dne: 8. 2. 2012 [14] DŢUPINOVÁ, E., HALÁS, M., HORŇÁK, M. a kol. (2009): perifernost a priestorová polarizácia na území Slovenska. Geo-grafka, Bratislava, 186 s., ISBN 978-80-89317-06-6

110

[15] EBERTS, R. W. (2000): How Economic Levels of Transportation Investment Affect Economic Health. In Information Requirements for Transportation Economic Analysis (Conference Proceedings 21, s. 91113). Washington, DC: Transportation Research Board (citováno v Black, W. R., 2003) [16] EDDINGTON, R., (2006): The Eddington Transport Study. Main Report: Transport´s role in sustaining the UK´s productivity and competitivness. HMSO, Norwich, s. 1 – 46 [17] ELDEN, S., CRAMPTON, J. W. (2007): Space, knowledge and power: Foucault and Geography. In Crampton, J. W., Elden, S. (eds.) Space, Knowledge and Power: Foucault and Geography, str. 1-18. [18] European Commission (2001): White Paper – European Transport Policy for 2010: Time to Decide. Luxembourg, Office for Official Publications of the European Communities. [19] FUJITA M., KRUGMAN P., (2004): The New Economic Geography: Past, present and the future. Papers in Regional Science 83, s. 139 – 164. Dostupné na: http://www.geocomputation.ecnu.edu.cn/download/6.pdf [20] GUTIÉRREZ, J., GONZÁLES, R., GÓMEZ, G. (1996): The European high-speed train network. Journal of Transport Geography, 4, č. 4, s. 227–238. [21] HAMPL, M. (2005): Geografická organizace společnosti v České republice: Transformační procesy a jejich obecný kontext. Praha: Univerzita Karlova, 148 s. [22] HAMPL, M. (2003): Diferenciace a zvraty regionálního vývoje Karlovarska: unikátní případ nebo obecný vzor? Sborník české geografické společnosti, č. 3, roč. 108, s. 173 – 190. Dostupné na: http://www.natur.cuni.cz/geografie/vyzkumny-zamer-geograficke-sekce/publikace/geografickaorganizace-spolecnosti-v-ceske-republice?student_welcome=1 [23] GIUILIANO, G. (1988): Research Policy and review 27. New directions for understanding transportation and land use IN HANSON, S., (2008): Transport: Critical Essays in Human Geography. Ashgate Publishing Limited, Hampshire (Great Britain), 525 s., ISBN: 978-0-7546-2703-6 [24] GUTIÉRREZ, J. (2001): Location, Economic Potential and Daily Accessibility: an analysis of accessibility impact of high-speed line Madrid – Barcelona – French bordur. Journal of Transport Geography, 9, Amsterdam, s. 229 – 242. [25] HARVEY, D., (1985): The Geopolitics of Capitalism. Macmillan, 36 s. [26] HARVEY, D., (1996): The Geography of Capitalist Accumulation. In Agnew, J., Livingstone, D., Rogers, A. (eds.) Human Geography. An Essential Anthology, s. 600-62. [27] HESSE, M., (2008): The City as a Terminal: The Urban Kontext of Logistics and Freight Transport, Ashgate Publishing Limited, Hampshire (Great Britain), 207 s., ISBN: 978-0-7546-0913-1 [28] HLADÍK, T., (2007), Dopravní obsluţnost v problémových obdobích a částech dne, diplomová práce, Brno: Masarykova univerzita, 84 s. [29] HOLL, A., (2011): Factors influencing the location of new motorways: large scale motorwaybuilding in Spain, Journal of Transport Geography 19, s. 1282 – 1293. [30] HORŇÁK, M., HURBÁNEK, P., MICHNIAK, D., KÁČEROVÁ, M., ONDOŠ, S. (2008): Indikátory vybraných aspektov periférnosti na Slovensku. In DŢUPINOVÁ, E. et al. Periférnosť a priestorová polarizácia na území Slovenska. Bratislava: Geo-grafika. s. 39-108. ISBN 978-80-89317-06-6. [31] HOYLE, B., SMITH, J. (1998): Transport and Development: Conceptual Frameworks. In: Knowles, R., Hoyle, B. (eds.): Modern Transport Geography, Wiley and sons, Chichester, s. 13 – 40.

111

[32] HUBBARD, P. (2011): Manuel Castells. In Hubbard, P., Kitchin, R. (eds.) Key Thinkers on Space and Place, str. 98-105. [33] HUČKA, M., KUTSCHERAUER, A., TOMÁNEK, P., (2008): Metodologická východiska zkoumání regionálních disparit. Regionální disparity N. 2/2008, s. 5 – 32. Dostupné na: http://disparity.vsb.cz/dokumenty2/wp_2.pdf. Citováno dne: 29. 1. 2012 [34] HUDEČEK, T. (2008): Akcesibilita a dopady její změny v Česku v transformačním období: vztah k systému osídlení. Disertační práce, Univerzita Karlova v Praze, Přírodovědecká fakulta, katedra sociální geografie a regionálního rozvoje, Praha, 119 s. [35] HUDEČEK, T., CHURAŇ, R., KUFNER, J. (2011): Dostupnost Prahy při vyuţití silniční dopravy v období 1920-2020, Geografie, č. 3, roč. 116, s. 317-334 [36] HŦRSKÝ, J. (1969): Metody grafického znázornění dojíţďky do práce. Praha: Academia. Rozpravy Československé akademie věd, Issue 79-3, 84 s. [37] HŦRSKÝ, J. (1978a): Metody oblastního členění podle dopravního spádu – Úvod do teorie předělŧ osobní dopravy. Rozpravy ČSAV, 88, sešit 6, Praha, 95 s. [38] HŦRSKÝ, J. (1978b): Regionalizace České socialistické republiky na základě spádu osobní hromadné dopravy. Studia Geographica, 59, Geografický Ústav ČSAV, Brno, 182 s. [39] JACURA, M. (2010): Dopravní obsluţnost území, Dizertační práce, Ústav dopravních systémŧ, Fd, ČVUT, Praha, 164 s. [40] JANSA, J. (2004): Kvalita dopravní obsluţnosti a její vztah k vybraným socioekonomickým jevŧm: příklad Náchodska. Diplomová práce. Praha: Univerzita Karlova, 87 s. [41] JUDGE, E., (1998): Transport Investment and Local and Regional Development: Perspectives on the Emerging Motorway System in Poland. 38TH CONGRESS OF THE EUROPEAN REGIONAL SCIENCE ASSOCIATION, Leeds, 23 s., Dostupné na: http://www-sre.wuwien.ac.at/ersa/ersaconfs/ersa98/papers/278.pdf, Citováno dne: 4. 2. 2012 [42] KNAAP, T., OOSTERHAVEN, J., (2011): Measuring the welfare effects of infrastructure: A simple spatial equilibrium evaluation of Dutsch railway proposals. Research in Transportation Economics 31 (2011) s. 19 – 28 [43] KOŤÁTKOVÁ STRÁNSKÁ, P., (2012): Návrh modelu rozpočtového určení daní se zaměřením na obce v České republice, disertační práce, fakulta Ekonomicko-správní, Univerzita Pardubice, Pardubice, 173 s. [44] KRAFT, S., (2007): Regionální hromadná doprava Karlovarského kraje, Diplomová práce, PedF Jihočeské univerzity v Českých Budějovicích, 85 s. Dostupné na: http://theses.cz/id/gq9wsw/downloadPraceContent_adipIdno_4151. Staţeno dne: 1.2. 2012 [45] KRAFT, S., VANČURA, M. (2009): Geographical organisation of the transport system in Czechia and its development in the transformation period In Geografie - Sborník České geografické společnosti, vol. 114, no. 4, Praha, s. 298-315. ISSN 1212-0014. [46] KRAFT, S., (2011): Aktuální změny v dopravním systému České republiky: geografická analýza, disertační práce, Masarykova univerzita, Brno, 156 s. [47] KREJČIŘÍK, M. (1991): Po stopách našich ţeleznic. Praha, Nakladatelství dopravy a spojŧ.

112

[48] KRUGMAN, P., VENABLES, A. J. (1995): Globalization and the Inequality of Nations. The Quarterly Journal of Economics, Vol. 110, No 4, pp. 857 – 880. Dostupné na: http://www.nber.org/papers/w5098.pdf, Citováno dne: 27. 1. 2012 [49] KUNC, J., KRYLOVÁ V. (2005): Ţelezniční doprava a regionální rozvoj v České republice – minulost či skutečnost? Národohospodářský obzor, 4-2005, s. 33-44. Dostupné na: http://railway.econ.muni.cz/system/files/Zeleznice_regionalni_rozvoj_CR.pdf , Citováno dne: 28. 1. 2012 [50] KURFÜRST, P., (2002): Řízení poptávky po dopravě jako nástroj ekologicky šetrné dopravní politiky. Centrum pro dopravu a energetiku, Praha, 113 s. Dostupné na: http://www.bicybo.cz/download/rizenipoptavkydp.pdf, Citováno dne: 28. 1. 2011 [51] KURFÜRSFT, P. (ed.), (2000): Jak dálnice (ne)prospívají regionálnímu rozvoji. Český a Slovenský dopravní klub, Brno, 31 s. Dostupné na: http://dopravniklub.ecn.cz/texty_dalnice.shtml, Citováno dne 2. 2. 2012 [52] LAKSHMANAN, R., (2011): The broader economic consequences of transport infrastructure investments, Journal of Transport Geography 19, s. 1 – 12 [53] LEINBACH, R., T.: Mobility in developmetnt context: changing perspectives, new interpretations, and real issues IN HANSON, S., (2008): Transport: Critical Essays in Human Geography. Ashgate Publishing Limited, Hampshire (Great Britain), 525 s., ISBN: 978-0-7546-2703-6 [54] LEFEBVRE, Henri (1977): Die Produktion des Städtischen Raums. In: Arch+, nr. 34, transl. by Franz Hiss, Hans-Ulrich Wegener. Original: Introduction à l’Espace Urbain. Lecture at Association Strasbourg (2000), 30.05.1975. Strasbourg: ARCH+ Verlag. [55] MAIER, K., DRDA, K., MULÍČEK, O., SÝKORA, L., (2007): Dopravní dostupnost funkčních městských regiónŧ a urbanizovaných zón v České republice, Urbanismus a územní rozvoj, ročník X, č. 3/2007, s. 75 – 80. Dostupné na: http://www.uur.cz/images/publikace/uur/2007/2007-03/14_recenze.pdf, Citováno dne: 15. 2. 2012 [56] MACKINNON, D., PIRIE, G., GATHER, M. (2008): Transport and Economic Development. In Knowles, R., Shaw, J a Docherty, I. (eds.): Transport geographies: mobilities, flows and spaces. Oxford : Blackwell Publishing, s. 10-28. [57] MARADA, M. (2006): Dopravní vztahy v Praţském městském regionu. In Sociální geografie praţského městského regionu. Ouředníček, M. (ed), vyd. 1., Katedra sociální geografie a regionálního rozvoje Přírodovědecké fakulty Univerzity Karlovy v Praze, Praha, s. 64-78. ISBN 80-86561-94-1 [58] MARADA, M. a kol. (2010): Doprava a geografická organizace společnosti v Česku. ČGS, Praha, 146 p. ISBN 978-80-904521-2-1. [59] MARADA, M., KVĚTOŇ, V. (2010) [2]: Diferenciace nabídky dopravních příleţitostí v českých obcích a sociogeografických mikroregionech, Geografie, číslo 1, ročník 115, s. 21 -43 [60] MARADA, M., KVĚTOŇ, V. (2006): Význam dopravní obsluţnosti v rozvoji venkovských oblastí. Sborník příspěvkŧ z mezinárodní konference Venkov je náš svět. Provozně-ekonomická fakulta, Česká zemědělská univerzita v Praze, s. 422–431. [61] MARADA, M., KVĚTOŇ, V. (2008): Importance of transport possibilities in rural areas of Czechia. Sborník příspěvkŧ z mezinárodní konference Countryside – our World. ČZU, Praha, s. 390-402.

113

[62] MARADA, M., KVĚTOŇ, V., VONDRÁČKOVÁ, P. (2006): Ţelezniční doprava jako faktor regionálního rozvoje. Národohospodářský obzor, 6, Masarykova univerzita, Ekonomicko-správní fakulta, Brno, s. 51 - 59. [63] MCBRIDE, P. J. (1996): Human Geography. Systems, Patterns and Change. Surrey, Nelson and Sons. [64] MICHNIAK, D. (2002): Dostupnosť ako geografická kategória a jej význam pri hodnotení územnosprávného členenia Slovenska. Disertační práce. Geografickej Ústav SAV, Bratislava, 124 s. [65] MINCA, C. (2008): Postmodern geographies (1989): Edward Soja. In Hubbard, P., Kitchin, R., Valentine, G. (eds.) Key Texts in Human Geography, str. 135-144. [66] Ministerstvo práce a sociálních věcí ČR, (2012): GIS 0 - Prostorová analýza, prosinec 2011 (míra nezaměstnanosti) [67] Ministerstvo pro místní rozvoj ČR, (2012): Strategie regionálního rozvoje ČR pro období 2014-2020 (Návrh), Citováno dne: 11. 7. 2013, Dostupné na: http://www.mmr.cz/getmedia/5acbe736-6893-4ff6b548-c3d5b57dbc83/SRR-(2012-12-11).pdf [68] MONIGL, J., HORVÁTH, B., BERKI, Z., KOREN, T. (2004): Methods for Highway Network Development Planning in Hungary: With argumentation for EU Funding. Transman, Consulting for Transport Systém Management LtD, Budapest, 33 s. [69] MULÍČEK, O. (2002): Suburbanizace v Brně a jeho okolí. In Suburbanizace a její sociální, ekonomické a ekologické dŧsledky. Sýkora, L. (ed.), vyd. 1., Ústav pro ekopolitiku, Praha, s. 171-181, ISBN 80901914-9-5 [70] MURDOCH, J. (2006): Post-structuralist Geography, s. 1-26 (kapitola 1 Post-structuralism and relational space). [71] MUSIL, J., MÜLLER, J. (2008). „Vnitřní periferie v České republice jako mechanismus sociání exkluze.“ Sociologický časopis / Czech Sociological Review 44 (2): s 321–348. [72] NADIRI, M. I., MAMUNEAS, T. P. (1998): Contribution of Highway Capital to Output and Productivity Growth in the U.S. Economy and Industries (zpráva zpracovaná pro Federal Highway Administration, U. S. Department of Transportation). http://www.fhwa.dot.gov/policy/gro98cvr.htm (staţeno 27. 1. 2011) [73] NICKEL, J., ROSS, A. M., RHODES, H. D., (2009): Comparison of Project Evaluation Using CostBenefit Analysis and Multi-Attribute Tradespace Exploration in the Transportation Domain Second Symposium on Engineering Systems MIT, Cambrige, Massachusetts, June 15-17, s. 1 – 13 [74] NOVÁK, J., NETRDOVÁ., P. (2011): Prostorové vzorce sociálně-ekonomické v České republice, Sociologický časopis, Praha, 2011, vol. 47, No. 4: s. 717-744.

diferenciace

obcí

[75] NUHN, H., HESSE, M. (2006): Verkehrsgeographie – Grundriss, Allgemeine, Geographie. Paderborn, 379 s. [76] NUTLEY, S. (1998): Rural Areas: Accessebility Problem. In Hoyle, B., Knowles, R. (eds.): Modern Transport Geography. Second, revised edition. Chichester: John Wiley & Sons, 1998. s. 185–215. ISBN 0-471-97777-2. [77] PAVLÍČEK, S., (2002): Naše lokálky. Místní dráhy v Čechách, na Moravě a ve Slezsku. Dokořán, Praha, 156 s. ISBN 80-86569-13-6.

114

[78] PHELPS, N. (2008): Spatial divisions of labour (1984): Doreen Massey. In Hubbard, P., Kitchin, R., Valentine, G. (eds.) Key Texts in Human Geography, s. 83-90. [79] PHILO, C. (2011): Michel Foucault. In Hubbard, P., Kitchin, R. (eds.) Key Thinkers on Space and Place, s. 162-170. [80] REICHERT, S., (2005): Raum-zeitliche Analyse der Entwicklung des deutschen Autobahnnetzes und seiner spezifischen Wirkung auf die Flächennutzung und ausgewählte Wirtschafts- und Bevölkerungsdaten, diplomová práce, Geografický ústav, Technická univerzita v Dráţďanech, 129 s. [81] RODRIGUE, J.-P., COMTOIS, C., SLACK, B. (2006): The Geography of Transport Systems, Routledge, New York, 296 s. [82] RYNDA, I. (2000): Globální svět a trvale udrţitelný rozvoj. In: Sborník příspěvkŧ z mezinárodní konference EurOpen.cz. Kouty u Ledče nad Sázavou, Centrum pro otázky ţivotního prostředí, Univerzita Karlova v Praze. [83] Regionální rozvoj (2013): Metodická podpora regionálního rozvoje, Strategie regionálního rozvoje ČR pro období 2014-2020, Dostupné na: http://www.regionalnirozvoj.cz/index.php/srr.html. Citováno dne: 23. 8. 2013 [84] ŘEHÁK, S. (1997): Aktuální problémy České republiky: 6. díl: doprava, sv. 6, Scholaforum, Ostrava, 25 s. [85] ŘEHÁK, S. (1994): Hromadná osobní doprava ve výzkumu prostorové struktury státu (na příkladu někdejšího Československa). Habilitační práce. Brno: Masarykova univerzita, s. 75. [86] SANTOS, G., BEHRENDT, H., MACONI, L., SHIRVANI, T., TEYTELBOYM A. (2010): Externalities and economic policie in road transport. Research in transportation Economics 28, (2010), s. 2 - 45 [87] SAYER, A. (2006): Realism as the basis for knowing the world. In Aitken, S., Valentine, G. (eds.) Approaches to Human Geography, str. 98-106. [88] SEIDENGLANZ, D. (2001): Vývoj veřejné dopravy na příkladu okresŧ Šumperk a Jeseník. In Novák, S. (ed.) Geografické aspekty středoevropského prostoru. Brno: Masarykova univerzita, s. 170-173. ISBN 80-210-2664-2. [89] SEIDENGLANZ, D. (2006): Ţeleznice v Evropě a evropská dopravní politika. Brno, Masarykova univerzita. [90] SEIDENGLANZ, D., (2007): Dopravní charakteristiky venkovského regionu, Dizertační práce, Brno: Masarykova univerzita, 172 s. [91] SEIDENGLANZ, D. (2008): Geografie dopravy. In Toušek, V., Kunc, J., Vystoupil, J. (eds.): Ekonomická a sociální geografie. Plzeň : Aleš Čeněk, s. 231-269. [92] SEIDENGLANZ, D. (2010): Transport relations among settlement centres in the eastern part of the Czech Republic as a potential for polycentricity. In Acta Universitatis Carolinae, Geographica, vol. XLV, no. 1-2, Charles University in Prague, s. 75-89. ISSN 0300-5402. [93] SEIDENGLANZ, D. a kol. (2011): POLYREG. Podpora polycentrického regionálního rozvoje: vybrané výsledky. Centrum pro regionální rozvoj, Brno, 7s. [94] SCHLEICHER-TAPPESER, R., (2000): Effects of transport infrastructure and transportation costson the development of European regions: Outline of qualitative assessment tool, Institute for Regional Studies

115

in Europe, Freiburg (SRN), 54 s. Dostupné na: http://www.eures.de/de/download/ipts_report.pdf. Citováno dne: 3. 2. 2012 [95] SMITH, Neil. (1990): Uneven Development. Second Edition. Oxford: Basil Blackwell [96] SOJA, Edward W. (2010): Seeking Spatial Justice. Minneapolis: University of Minnesota Press. [97] STIMSON, J., STOUGH, R., R., ROBERTS, B., H. (2006): Regional Economic Development. Analysis and Planning Strategy, Springer, Second Edition, Berlin, 452 s., ISBN 3-540-34826-3 [98] SUCHÁČEK, J., (2007): Regional Disparities in the Czech Republic in the Realm of Infrastructure. Regionální disparity N. 1/2007, s. 51 – 62. Dostupné na: http://disparity.vsb.cz/dokumenty2/RD_0701.pdf [99] SVOBODA, V., (2006): Doprava jako součást logistických systémŧ, Radix, Praha, 152 s. ISBN 8086031-68-3 [100] SVOBODOVÁ, H., VĚŢNÍK, A., HOFMANN, E. (2013): Vybrané kapitoly ze socioekonomické geografie České republiky, Multimediální výukový materiál, 1. Vydání, Masarykova univerzita, Brno, ISSN 1802-128X, ISBN 978-80-210-6229-0. Dostupné na: http://is.muni.cz/do/rect/el/estud/pedf/js13/geograf/web/index.html [101] SÝKORA, L. (2002): Suburbanizace a její dŧsledky: Výzva pro výzkum, usměrňování rozvoje území a společnou angaţovanost. In Suburbanizace a její sociální, ekonomické a ekologické dŧsledky. Sýkora, L.(ed.), vyd. 1., Ústav pro ekopolitiku, Praha, s. 9-19. ISBN 80-901914-9-5 [102] TIGHT, M. R., DELLE SITE, P., MEYER-RÜHLE, O., (2004): Decoupling Transport from Economic Growth: Towards Transport Sustainability in Europe. EJTIR, 4, no. 4, s. 381 – 404. [103] TVRDOŇ, M., (2008): Identifikace determinant regionálního vývoje v České republice, Regionální disparity N. 2/2008, s. 5 – 32. Dostupné na: http://disparity.vsb.cz/dokumenty2/wp_2.pdf. Citováno dne: 29. 1. 2012 [104] URBÁNKOVÁ, J., OUŘEDNÍČEK, M. (2006): Vliv suburbanizace na dopravu v Praţském městském regionu. In Sociální geografie praţského městského regionu. Ouředníček, M.(ed), vyd. 1., Katedra sociální geografie a regionálního rozvoje Přírodovědecké fakulty Univerzity Karlovy v Praze, Praha, s. 79-95. ISBN 80-86561-94-1 [105] VENABLES, J., A., LIMAO, N., (2002): Geographical disadvantage: a Hecksher-Ohlin-von Thünen model of international specialization. Journal of International Economics 58 (2002), s. 239 – 263. [106] VENABLES, A. (2007): Evaluating urban transport improvements: cost-benefitanal- analysis in the presence of agglomeration and income taxation. Journal of Transport Economics and Policy, 41 (2), s. 173–188. [107] VICKER, R., (2008): Transit investment and economic development. Research in Transportation Economics 23 (2008), s. 107 – 115. [108] VITURKA, M. (2009): Role prostorových faktorŧ regionálního rozvoje v globalizované ekonomice, Geographia Moravica 1, s. 85 – 101 ISBN 978-80-244-2464-4 [109] VLČEK, I. (1964): Dopravní spojení venkovských sídel se středisky. Sborník ČSZ, 69, č. 3, Praha, s. 200 – 212.

116

[110] VONDRÁČKOVÁ, P., (2006): Vliv dálnice D8 na regionální rozvoj: Percepce veřejnou správou, obyvateli a firmami. Diplomová práce, Katedra sociální geografie a regionálního rozvoje, PřF UK, Praha, 94 s. [111] WIECKOWSKI, M., MICHNIAK, D. a kol. (2012): Polsko-slovenské pohraničie z hladiska dopravnej dostupnosti a rozvoja cestovného ruchu. Instytut Geografii i Przestrzennego Zagospodarowania, Polska Akademia Nauk, Geografický ústav Slovenské akadémie vied, Varšava – Bratislava, 283 s., ISBN 978-83-61590-93-4 [112] WHEELER, J., O., MULLER, P., O., (1981): Economic Geography, John Wiley & Sons, New York, 395 s., ISBN 0-471-93760-6 [113] ZAPLETALOVÁ, J., (1998): Problematika dopravní odlehlosti na jiţní Moravě na příkladu středního Podyjí In Moravian Geographical Reports, Vol. 6, No. 1, s. 2–13.

Online zdroje ČSÚ, (2013) [1]: Veřejná databáze, Územně analytické podklady (SLDB) ve vybrané obci (vyjíţdějící mimo obec). Citováno dne: 5. 7. 2013, dostupné na: http://vdb.czso.cz/vdbvo/ tabparam.jsp?&cislotab=UAP6040UU_OB&kapitola_id=327&str=tabdetail. jsp&voa=tabulka ČSÚ, (2013) [2]: Veřejná databáze, Vlastně sestrojená tabulka, podle zvolených parametrŧ – Ekonomické subjekty podle počtu pracovníkŧ pro danou obec. Citováno dne: 10. 7. 2013, dostupné na:http://vdb.czso.cz/vdbvo/tabparam.jsp?vo=null&cislotab=ORG9010UC&voa=tabulka&go_zobraz=1&chi ldsel0=5 ČSÚ, (2013) [3]: Sčítání lidu domŧ a bytŧ 2011, Základní výsledky, Tab. 6 - Ekonomicky aktivní celkem a z toho zaměstnavatelé, Citováno dne: 11. 7. 2013, dostupné na: http://vdb.czso.cz/sldbvo/#!stranka=vse-ouzemi& Hofstra University, (2013): Geography of Transport Systems, New York, Citováno dne: 11. 7. 2013, dostupné na: http://people.hofstra.edu/geotrans/eng/ch6en/conc6en/vonthunen.html Ministerstvo financí ČR, (2013) [1]: Vyhláška č 449/2012 Sb., Související dokumenty: Přílohy č.1, Podíl jednotlivých obcí na stanovených procentních částech celostátního hrubého výnosu daně z přidané hodnoty a daní z příjmŧ. Citováno dne: 11. 7. 2013, dostupné na: http://www.mfcr.cz/cs/legislativa/legislativnidokumenty/2012/vyhlaska-c-4402012-sb-10981 Ministerstvo financí ČR, (2013) [2]: ÚFIS, Prezentační systém účetních a finančních informací státu, ÚFIS – zobrazení výkazŧ, Místně řízené organizace, Finanční výkaz pro hodnocení plnění rozpočtu. Citováno dne: 11. 7. 2013, dostupné na: http://wwwinfo.mfcr.cz/cgi-bin/ufis/iufisorg/index.pl

Ministerstvo financí, (2013) [3]: Schéma rozpočtového určení daní pro obce od roku 2008, Citováno dne: 11. 8. 2013, dostupné na: http://cds.mfcr.cz/cps/rde/xbcr/cds/schema_obce_rud08.doc

ŘSD, Sčítání 2010, Citováno dne: 11. 1. 2012, dostupné na http://scitani2010.rsd.cz/pages/map/default.aspx

117

Toušek a kol., (2009): Aplikace v regionální a sociální geografii, webová podpora FRVŠ, Korelační počet, Citováno dne: 5. 9. 2013, dostupné na: http://aplikacergsg.sci.muni.cz/teorie/cestovni-ruch/intervaloveodhady

Další elektronické zdroje

[114]

http://www.mfcr.cz/cps/rde/xchg/mfcr/xsl/vf_model_sdil_dani_obci.html

[115]

http://www.mfcr.cz/cps/rde/xchg/mfcr/xsl/vyhlasky_64111.html?year=2011

[116]

http://www.rozpocetobce.cz/zdroje-dat

[117]

http://wwwinfo.mfcr.cz/aris/

[118]

http://wwwinfo.mfcr.cz/ufis/

[119]

http://monitor.statnipokladna.cz/2012/

[120]

http://www.regionalnirozvoj.cz

[121]

portál Ministerstva dopravy ČR (www.mdcr.cz)

[122]

Ročenka dopravy (www.mdcr.cz)

[123]

Prohlášení o dráze 2010/2011 (www.szdc.cz)

[124]

ŘSD (intenzita silniční dopravy)

[125]

Encyklopedie VPTI (http://www.vtpi.org/)

Použité zkratky

ČR

Česká republika

DPFO

daň z příjmu fyzických osob ze samostatné výdělečné činnosti

DPH

daň z přidané hodnoty

IAD

individuální automobilová doprava

JMK

Jihomoravský kraj

MMR

Ministerstvo pro místní rozvoj České republiky

OPM

obsazená pracovní místa

OSVČ

osoby samostatně výdělečně činné

VHD

veřejná hromadná doprava

118

SEZNAM PŘÍLOH Příl. 1: Příl. 2: Příl. 3: Příl. 4:

Srovnání socioekonomických migračního salda Míry korelačního koeficientu mikroregionální úrovni Míry korelačního koeficientu mezoregionální úrovni Míry korelačního koeficientu makroregionální úrovni

údajŧ u obcí nad 10 000 obyvatel seřazených podle mezi jednotlivými ukazateli dopravní dostupnosti na mezi jednotlivými ukazateli dopravní dostupnosti na mezi jednotlivými ukazateli dopravní dostupnosti na

119

Příl. 1: Srovnání socioekonomických údajů u obcí nad 10 000 obyvatel seřazených podle migračního salda Název

Obyvatelstvo celkem (2011)

Hrubá míra migračního saldo 2001/2010

Prŧměr ČR

-

-

Míra nezaměstnanosti (2011)

Počet OSVČ/ekonomic Zaměstnavatelé/e podnikŧ/obyvatel ky aktivní (2011) konomicky e (2012) aktivní(2011)

9,5

145

11,6

3,25

Milovice

10140,00

910,26

18,74

93,89

10,16

1,32

Říčany

14003,00

419,27

4,08

208,46

10,17

5,81

Brandýs nad Labem-Stará Boleslav Kuřim

17537,00

238,58

4,67

150,54

11,81

3,50

11540,00

233,88

7,86

117,59

10,56

4,07

Čelákovice

11866,00

219,79

4,32

136,52

10,00

2,70

1268796,00

139,84

0,00

245,35

12,22

3,99

Poděbrady

14133,00

138,97

9,41

168,40

17,12

4,90

Čáslav

10129,00

105,64

10,30

118,27

8,95

3,17

Beroun

18819,00

93,89

8,57

160,90

8,75

3,40

Humpolec

11024,00

75,20

7,27

131,89

11,17

3,35

Krupka

13147,00

71,80

13,40

97,36

11,46

3,17

Aš

12643,00

69,29

7,63

118,48

12,46

2,65

Kroměříţ

29154,00

48,54

9,73

136,52

10,83

4,36

Rumburk

10770,00

43,36

11,92

116,81

7,88

3,75

Cheb

32401,00

39,66

9,84

147,06

9,92

3,19

Jičín

16795,00

35,07

6,39

152,13

12,49

3,73

Kolín

30922,00

31,72

10,59

134,31

10,90

3,19

Plzeň

170322,00

30,18

0,00

167,42

12,07

3,18

18472,00

28,31

6,26

131,82

9,68

2,80

102754,00

24,48

8,72

155,30

10,57

3,34

Blansko

20629,00

23,80

7,50

121,96

12,22

3,40

Vysoké Mýto

12428,00

19,63

9,20

114,82

9,55

2,91

Teplice

49640,00

19,04

11,70

127,68

10,19

3,89

Turnov

14472,00

18,38

7,78

149,88

8,62

4,05

Velké Meziříčí

11680,00

17,38

11,23

130,57

9,26

3,77

Hlučín

13917,00

15,09

9,47

111,37

6,75

3,79

Sušice

11037,00

11,96

10,55

115,88

10,62

4,08

Benešov

16264,00

7,56

5,75

167,67

11,82

3,85

Písek

29706,00

3,33

6,74

140,78

9,86

3,71

Holešov

11755,00

2,72

9,27

125,31

12,49

3,39

Litvínov

24905,00

1,89

16,24

98,01

9,30

2,70

Kadaň

17604,00

1,87

12,10

104,46

13,51

2,41

Jirkov

19461,00

0,51

17,24

85,61

11,91

2,16

Praha

Kralupy nad Vltavou Liberec

Zdroj (ČSÚ, 2013, MPSV, 2012)

120

Příl. 2: Míry korelačního koeficientu mezi jednotlivými ukazateli dopravní dostupnosti na mikroregionální úrovni do mikroregionálního centra

Re gio nál ní úro

1. Ukazatele

dostupnost

časová

průměrná

v km

dostupnost

rychlost

počet spojů VHD

průměrná příjezd doba jízdy spoje spoji VHD VHD do

veň

obce dostupnost v km

do mikroregionálního centra

časová dostupnost průměrná rychlost

do mezoregionálního centra

obce

průměrná hodnota dopravní obslužnosti

1,0000

,9637

,5716

-,0347

,8333

,0824

,2096

-,0788

p= ---

p=0,00

p=0,00

p=,006

p=0,00

p=,000

p=0,00

p=,000

,9637

1,0000

,6321

-,0773

,8437

,0180

,1440

-,1375

p=0,00

p= ---

p=0,00

p=,000

p=0,00

p=,154

p=0,00

p=0,00

,5716

,6321

1,0000

-,0063

,5799

,4349

,3802

,2855

p=0,00

p=0,00

p= ---

p=,618

p=0,00

p=0,00

p=0,00

p=0,00

-,0347

-,0773

-,0063

1,0000

-,2287

,4144

,5347

,6261

p=,000

p=,618

p= ---

p=0,00

p=0,00

p=0,00

p=0,00

,8333

,8437

,5799

-,2287

1,0000

-,0399

,0009

-,2796

p=0,00

p=0,00

p=0,00

p=0,00

p= ---

p=,002

p=,945

p=0,00

1. příjezd spoje VHD do obce

,0824

,0180

,4349

,4144

-,0399

1,0000

,7039

,8466

p=,000

p=,154

p=0,00

p=0,00

p=,002

p= ---

p=0,00

p=0,00

poslední odjezd spoje VHD z obce

,2096

,1440

,3802

,5347

,0009

,7039

1,0000

,8449

p=0,00

p=0,00

p=0,00

p=0,00

p=,945

p=0,00

p= ---

p=0,00

-,0788

-,1375

,2855

,6261

-,2796

,8466

,8449

1,0000

p=,000

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p= ---

,1604

,2173

,2051

-,1786

,2119

-,0679

-,1218

-,1378

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=,000

p=0,00

p=0,00

časová

,2105

,2336

,1826

-,1729

,2345

-,0476

-,1046

-,1320

dostupnost

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=,000

p=,000

p=0,00

průměrná doba jízdy spoji VHD

dostupnost v km

,0878

,1902

,3585

-,1380

,1724

,0304

-,0336

-,0295

p=,000

p=0,00

p=0,00

p=0,00

p=0,00

p=,016

p=,008

p=,020

-,0106

-,0368

-,2084

,7391

-,1837

,0766

,2533

,2420

p=,404

p=,004

p=0,00

p=0,00

p=0,00

p=,000

p=0,00

p=0,00

průměrná doba

,1059

,1481

,2034

-,2795

,2717

-,1030

-,2149

-,2231

jízdy spoji VHD

p=,000

p=0,00

p=0,00

p=0,00

p=0,00

p=,000

p=0,00

p=0,00

průměrná rychlost

počet spojů VHD

1. příjezd spoje

-,0342

-,0076

,1675

-,3206

,1119

-,2386

-,2650

-,2256

VHD do obce

p=,007

p=,547

p=0,00

p=0,00

p=,000

p=0,00

p=0,00

p=0,00

poslední odjezd

,0639

,0394

-,0775

,4355

-,1462

,1222

,4080

,3267

spoje VHD z obce

p=,000

p=,002

p=,000

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

průměrná hodnota dopravní

,0974

,1041

,0668

,2819

,0130

-,0087

,2138

,1778

p=,000

p=,000

p=,000

p=0,00

p=,303

p=,492

p=0,00

p=0,00

obslužnosti dostupnost v km centra

odjezd spoje VHD z

p=,006

počet spojů VHD

průměrná hodnota dopravní obslužnosti

do makroregionálního

poslední

časová dostupnost průměrná rychlost

-,1325

-,1254

-,0502

,0924

-,1075

,0925

,1064

,1116

p=0,00

p=0,00

p=,000

p=,000

p=,000

p=,000

p=,000

p=,000

-,1432

-,1377

-,0547

,0482

-,1034

,0676

,0659

,0791

p=0,00

p=0,00

p=,000

p=,000

p=,000

p=,000

p=,000

p=,000

-,1794

-,1481

-,0149

,0252

-,1176

,0933

,0522

,0905

p=0,00

p=0,00

p=,240

p=,046

p=0,00

p=,000

p=,000

p=,000

121

Příl. 3: Míry korelačního koeficientu mezi jednotlivými ukazateli dopravní dostupnosti na mezoregionální úrovni do mezoregionálního centra Regi onál ní

Ukazatele

úrov eň dostupnost v km

do mikroregionálního centra

časová dostupnost

průměrná rychlost

počet spojů VHD průměrná doba jízdy spoji VHD

počet spojů

km

ost

rychlost

VHD

průměrn á doba jízdy spoji VHD

1. příjezd spoje VHD do obce

poslední odjezd spoje

průměrná hodnota dopravní

VHD z obce

obslužnos ti

,1604

,2105

,0878

-,0106

,1059

-,0342

,0639

,0974

p=0,00

p=0,00

p=,000

p=,404

p=,000

p=,007

p=,000

p=,000

,2173

,2336

,1902

-,0368

,1481

-,0076

,0394

,1041

p=0,00

p=0,00

p=0,00

p=,004

p=0,00

p=,547

p=,002

p=,000

,2051

,1826

,3585

-,2084

,2034

,1675

-,0775

,0668

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=,000

p=,000

-,1786

-,1729

-,1380

,7391

-,2795

-,3206

,4355

,2819

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

,2119

,2345

,1724

-,1837

,2717

,1119

-,1462

,0130

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=,000

p=0,00

p=,303

-,0679

-,0476

,0304

,0766

-,1030

-,2386

,1222

-,0087

p=,000

p=,000

p=,016

p=,000

p=,000

p=0,00

p=0,00

p=,492

poslední odjezd spoje VHD z obce

-,1218

-,1046

-,0336

,2533

-,2149

-,2650

,4080

,2138

p=0,00

p=,000

p=,008

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

-,1378

-,1320

-,0295

,2420

-,2231

-,2256

,3267

,1778

p=0,00

p=0,00

p=,020

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

časová dostupnost do mezoregionálního centra

průměrn á

obce

dostupnost v km

průměrná rychlost

počet spojů VHD průměrná doba jízdy spoji VHD

1,0000

,9538

,7353

-,2947

,8477

,5522

-,2221

,3884

p= ---

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

,9538

1,0000

,5725

-,2897

,8480

,5511

-,2147

,3953

p=0,00

p= ---

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

,7353

,5725

1,0000

-,2259

,5737

,4241

-,0946

,3550

p=0,00

p=0,00

p= ---

p=0,00

p=0,00

p=0,00

p=,000

p=0,00

-,2947

-,2897

-,2259

1,0000

-,4378

-,4784

,5228

,2812

p=0,00

p=0,00

p=0,00

p= ---

p=0,00

p=0,00

p=0,00

p=0,00

,8477

,8480

,5737

-,4378

1,0000

,6898

-,3744

,3312

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p= ---

p=0,00

p=0,00

1. příjezd spoje VHD do obce

,5522

,5511

,4241

-,4784

,6898

1,0000

-,3098

,3665

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p= ---

p=0,00

p=0,00

poslední odjezd spoje

-,2221

-,2147

-,0946

,5228

-,3744

-,3098

1,0000

,6365

VHD z obce

p=0,00

p=0,00

p=,000

p=0,00

p=0,00

p=0,00

p= ---

p=0,00

průměrná hodnota dopravní obslužnosti

,3884

,3953

,3550

,2812

,3312

,3665

,6365

1,0000

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p=0,00

p= ---

dostupnost v km centra

časová dostupn

1. příjezd spoje VHD do

průměrná hodnota dopravní obslužnosti

do makroregionálního

dostup nost v

časová dostupnost

průměrná rychlost

-,1578

-,1423

-,0939

,0427

-,1071

-,1274

,0822

-,0281

p=0,00

p=0,00

p=,000

p=,001

p=,000

p=0,00

p=,000

p=,026

-,1336

-,0943

-,1185

-,0090

-,0511

-,0690

,0350

-,0342

p=0,00

p=,000

p=0,00

p=,477

p=,000

p=,000

p=,006

p=,007

-,1701

-,2201

,0094

-,0001

-,1524

-,1252

,0393

-,0806

p=0,00

p=0,00

p=,460

p=,994

p=0,00

p=0,00

p=,002

p=,000

122

Příl. 4: Míry korelačního koeficientu mezi jednotlivými ukazateli dopravní dostupnosti na makroregionální úrovni Regionální úroveň

do makroregionálního centra Ukazatele

dostupnost v km

do mikroregionálního centra

časová dostupnost

průměrná rychlost

počet spojů VHD

průměrná doba jízdy spoji VHD

rychlost

-,1325

-,1432

-,1794

p=0,00

p=0,00

p=0,00

-,1254

-,1377

-,1481

p=0,00

p=0,00

p=0,00

-,0502

-,0547

-,0149

p=,000

p=,000

p=,240

,0924

,0482

,0252

p=,000

p=,000

p=,046

-,1075

-,1034

-,1176

p=,000

p=,000

p=0,00

,0676

,0933

p=,000

p=,000

,1064

,0659

,0522

p=,000

p=,000

p=,000

průměrná hodnota dopravní

,1116

,0791

,0905

obslužnosti

p=,000

p=,000

p=,000

časová dostupnost

do mezoregionálního centra

průměrná

dostupnost

,0925

dostupnost v km

průměrná rychlost

počet spojů VHD

průměrná doba jízdy spoji VHD

1. příjezd spoje VHD do obce

-,1578

-,1336

-,1701

p=0,00

p=0,00

p=0,00

-,1423

-,0943

-,2201

p=0,00

p=,000

p=0,00

-,0939

-,1185

,0094

p=,000

p=0,00

p=,460

,0427

-,0090

-,0001

p=,001

p=,477

p=,994

-,1071

-,0511

-,1524

p=,000

p=,000

p=0,00

-,1274

-,0690

-,1252

p=0,00

p=,000

p=0,00

,0822

,0350

,0393

p=,000

p=,006

p=,002

průměrná hodnota dopravní

-,0281

-,0342

-,0806

obslužnosti

p=,026

p=,007

p=,000

1,0000

,9651

,8206

p= ---

p=0,00

p=0,00

,9651

1,0000

,6937

p=0,00

p= ---

p=0,00

,8206

,6937

1,0000

p=0,00

p=0,00

p= ---

poslední odjezd spoje VHD z obce

dostupnost v km centra

časová

km

p=,000

1. příjezd spoje VHD do obce

poslední odjezd spoje VHD z obce

do makroregionálního

dostupnost v

časová dostupnost

průměrná rychlost

123