Vývoj a aplikace nových metod monitorování kvality života v regionech Metodika tvorby a implementace souhrnných indikátorů kvality života v mikroregionech ČR Projekt TAČR 2013 – TD020150V002, program OMEGA
Zpracovali:
Prof. RNDr. Jaroslav Havlíček, CSc. Doc. Ing. Ludmila Dömeová, CSc. Ing. Andrea Jindrová, Ph.D. Ing. Roman Kvasnička, Ph.D.
Česká zemědělská univerzita v Praze Provozně ekonomická fakulta
Praha 2015
Obsah
1.
CÍL METODIKY
2
2.
SROVNÁNÍ NOVOSTI POSTUPU
3
3.
VLASTNÍ POPIS METODIKY
5
3.1. Úvodní poznámka
5
3.2. Postup výpočtu souhrnných indikátorů
6
3.3. Fáze 1: Tvorba agregovaných indikátorů
7
3.4. Výběr indikátorů pro ekonomickou oblast
9
3.5. Výběr indikátorů pro sociální oblast
12
3.6. Výběr indikátorů pro environmentální oblast
15
3.7. Fáze 2. Výpočet souhrnných indikátorů
17
3.8. Tvorba vážených souhrnných indikátorů pro MAS
19
3.9. Transfer dat z ČSÚ
20
3.10.
20
SW podpora Metodiky – Program MONIQUA
4.
UPLATNĚNÍ METODIKY
21
5.
UKÁZKY VÝSTUPŮ Z PROGRAMU MONIQUA
22
5.1. Titulní stránka – panely hlavní nabídky
22
5.2. Zobrazení MAS a obcí zařazených do MAS na mapě ČR
23
5.3. Přehled indikátorů kvality života v obcích ve vybrané MAS
25
5. 4. Statistická data obcí
26
6.
POUŽITÁ LITERATURA
29
7.
PUBLIKACE PŘEDCHÁZEJÍCÍ METODICE
30
1
1. CÍL METODIKY Cílem metodiky je vypracování metodických postupů, návrh vhodných statistických metod a tvorba SW programu pro výpočet a prezentaci čtyř souhrnných indikátorů kvality života v mikroregionech Místních akčních skupin v ČR. Tři souhrnné indikátory se počítají pro oblasti ekonomickou, sociální a environmentální a jeden souhrnný indikátor reprezentuje všechny oblasti. Z metodického hlediska je cílem navrhnout a ověřit vícerozměrné statistické postupy pro výběr základních indikátorů kvality života v uvažované statistické populaci, jejich redukci na menší počet agregovaných indikátorů, konstrukci souhrnných indikátorů a vážených souhrnných indikátorů. Vypracovat postupy pro tvorbu vážených souhrnných indikátorů, které zohledňují preference, které obyvatelé v MAS přiřazují jednotlivým indikátorům. Z obsahového hlediska je cílem nabídnout možnost hodnocení disparit v kvalitě života mezi mikroregiony MAS pomocí přímého zpracování dat, která jsou k disposici v ČSÚ. Podpořit cíle „komunitně vedeného místního rozvoje“ na místní úrovni při vytváření a provádění místních integrovaných strategií, které v souladu se strategií Evropa 2020 vedou k efektivnějším a udržitelnějším formám hospodářského a sociálního rozvoje i k ochraně životního prostředí. Orientace rozhodování na oblast MAS respektuje místní potřeby, ekonomický a duševní potenciál, rozhodování závisí na místních podmínkách a vede k vytváření logických sítí spolupráce. Každá MAS je jiná, jedinečná. Souhrnné indikátory kvality života podpoří schopnost MAS popsat svoji situaci, vyjádřit svoji jedinečnost ve skupině ostatních MAS a formulovat reálné a smysluplné strategie rozvoje, které se následně stanou základem pro dotační rozvojové projekty. Z praktického hlediska je cílem vytvořit, ověřit a 180 organizacím MAS v ČR nabídnout SW program, který umožní vytvořené agregované indikátory a data z ČSÚ využívat. Jako svůj vedlejší efekt metodika poskytuje obcím a MAS přímý přístup k vybraným datům z ČSÚ. Obce a MAS poskytují ze zákona datové údaje ČSÚ, který je zpracovává, ale zpět poskytuje orgánům státní správy jen do úrovně krajů. V rámci projektu je zajištěn tok informací od ČSÚ po úroveň obce. Hlavní cílovou skupinou, pro kterou jsou metodika a SW aplikace určeny, jsou organizace MAS a obce zařazené do MAS. Výsledky projektu jsou určeny i pro vedlejší cílové skupiny: místní správa, řízení dotací a investic v regionálních RP a programech ESIF, společenské organizace působící v regionech ČR. Odborná a vědecká komunita. Metodiku lze upravit pro komparaci kvality života pomocí souhrnných indikátorů i v jinak definovaných skupinách obcí (např. obce v příhraničních regionech, obce v ekonomicky či sociálně lépe rozvinutých oblastech, apod.).
2
2. SROVNÁNÍ NOVOSTI POSTUPU Z hlediska cílové skupiny se projekt zaměřuje na relativně novou skupinu regionálních organizací Místních akčních skupin (MAS). Podobné projekty, řešené v minulých letech, se soustřeďovaly na úroveň okresů, nebo na části jejich katastrálních území. V projektu se jako cílová skupina jednoznačně vymezuje MAS a v ní zařazené obce. Matice dat je vytvořena pro každou ze 180 MAS v ČR, mikroregion MAS je nezávislý na hranicích okresu či kraje. Pro reprezentaci MAS byly vytvořeny individuální mapy s vyznačenými hranicemi a hranicemi katastrů zařazených obcí; přesnost zobrazení je 0,75 m. MAS je v projektu definována jako základní statistická jednotka. Tok dat z ČSÚ je veden do obcí, příslušných ve sledované MAS. Z hlediska vědeckého přístupu. Na rozdíl od běžně užívaných postupů, popsaných v odborné literatuře, v metodice je tvorba souhrnného indikátoru rozdělena do dvou fází. V první fázi, která má inovační charakter, se provádí redukce velkého počtu základních indikátorů na menší počet agregovaných indikátorů pomocí průzkumové analýzy a vícerozměrné korelace. Průzkumová analýza poskytla prvotní seznámení se strukturou zdrojové matice dat z ČSÚ a z regionálních databází a vycházela ze základních popisných charakteristik. Korelační analýza poskytla informace o vzájemných vazbách mezi proměnnými a poskytla korelační koeficienty. Přitom byl sledován požadavek na co nejmenší ztrátu informací obsažených v původních proměnných (silná korelace se uvažovala pro hodnoty | | > 0,8). Závěrem první fáze byla pomocí Kaiser-Meyer-Olkinova kritéria a na základě Bartlettova testu vybrána vhodná metoda pro tvorbu souhrnných indikátorů. Pro data, reprezentující mikroregiony MAS, se jako nejvhodnější ukázala analýza hlavních komponent. V druhé fázi se použila kombinace metod, které se v podobných aplikacích užívají. Analýza hlavních komponent umožnila posouzení souvislosti a vztahů mezi základními indikátory a poskytla klíčové ukazatele pro provedení redukce rozsáhlé množiny základních indikátorů na menší množinu agregovaných indikátorů. Výpočet souhrnných indikátorů se již prováděl standardní metodou bodovou a váženou bodovou metodou. Dalším inovativním prvkem projektu je výpočet vážených souhrnných indikátorů, které zohledňují subjektivní preference obyvatel a metody získávání vah. Vážené souhrnné indikátory se počítají pomocí vah, které uživatelé, představitelé MAS a obcí, přiřazují indikátorům z hlediska jejich subjektivního chápání „kvality života“. Pro získání vah indikátorů byla použita kombinace dvou přístupů: (1) Subjektivní: váhy byly stanoveny dotazováním expertů z cílové skupiny. (2) Objektivní: pro kvantifikaci vah, u kterých nebylo možné získat spolehlivé expertní informace, byly využity metody hlavních komponent. Oba postupy byly navzájem kombinovány: nejprve byly stanoveny váhy objektivní metodou a výsledky byly porovnány se subjektivním hodnocením od expertů. Když se objevil u vah některých indikátorů významný rozdíl, expertní hodnocení bylo provedeno znovu, tentokrát ve skupině expertů s diskusí. Z hlediska uživatelů. Pro komunikaci s cílovými skupinami byl vytvořen SW produkt „Program MONIQUA“ – Program pro porovnání obcí a Místních akčních skupin pomocí souhrnných indikátorů
3
kvality života (viz Příloha č. 4). Program Moniqua je přístupný ve webové aplikaci a poskytuje mapové a datové výstupy na základě požadavků uživatele: 1. Interaktivní mapové zobrazení každé ze 180 MAS v ČR. 2. Souhrnné indikátory kvality života jednotlivých obcí pro vybranou MAS: •
oblast ekonomická,
•
oblast sociální,
• oblast environmentální, celkový souhrnný indikátor. 3. Seznam všech MAS s indikátory, který umožňuje vzájemné porovnání. 4. Souhrnné indikátory pro vybrané obce. 5. Přehled statistických dat užitých při konstrukci souhrnných indikátorů pro libovolně vybranou obec (skupinu obcí). Program MONIQUA zpracovává následující data: •
počet zařazených obcí: 6 253
•
počet sdružení MAS: 180
•
počet okresů: 77
•
počet krajů: 14
•
počet souřadnic pro vykreslení katastrů obcí a MAS celkem: 4 786 845
•
průměrná délka souřadnic udávající polygon jedné obce: 19 174 znaků
•
přesnost zobrazení hranic obce: 0,75 m
•
velikost databáze: 298,7 MB
Z hlediska společenské poptávky. V návrhu strategie pro „komunitně vedený místní rozvoj“ pro období 2014 – 2020 představuje Ministerstvo pro místní rozvoj ČR (MMR ČR) pojem „komunitně vedený místní rozvoj“ jako metodu zapojení partnerů na místní úrovni při vytváření a provádění místních integrovaných strategií, které pomáhají v daném území a společenství vytvořit přechod k udržitelnější budoucnosti. Pojem partnerství je zde chápán velmi široce jako soubor místních organizací reprezentujících občanskou společnost a místních ekonomických subjektů. V souladu se strategií Evropa 2020 vedou komunitně plánované, vedené a organizované činnosti k inovacím, k efektivnějším a udržitelnějším formám hospodářského a sociálního rozvoje i k ochraně životního prostředí. Komunitně vedený rozvoj je zaměřen na území MAS, které zastupují veřejné a soukromé místní socioekonomické zájmy. Právní předpisy zaručují konzistentnost v rozhodování, neboť na rozhodovací úrovni žádná z jednotlivých zájmových skupin soustředěných v komunitě MAS nepředstavuje více než 49 % hlasovacích práv a to zaručuje i objektivitu v rozhodování. Orientace rozhodování na oblast MAS respektuje místní potřeby, ekonomický a duševní potenciál, rozhodování závisí na místních podmínkách a vede k vytváření logických sítí spolupráce. Základním cílem komunitně vedeného rozvoje je posílení a zlepšení postupů při čerpání evropských i lokálních fondů.
4
3. VLASTNÍ POPIS METODIKY 3.1. Úvodní poznámka Souhrnné indikátory lze rozdělit do dvou základních skupin: 1) Indikátory jednokriteriální: počítají se ze statistických dat, která mají stejnou jednotku, nebo z dat, jejichž jednotky se na tuto jednotku dají převést bez ztráty informace. Výpočet takových indikátorů není složitý, ve statistice se pro ně používá často i název „indexy“. 2) Indikátory vícekriteriální: počítají se z dat s různými jednotkami. Výpočet indikátoru z dat, která vykazují kvantitativní i kvalitativní charakteristiky je složitý, výsledkem je číslo, ke kterému nelze přiřadit žádnou jednotku, říkáme, že je to „číslo nepojmenované“. Např. „indikátor kvality života“ se počítá z dat, jako jsou počet obyvatel, počet zaměstnaných osob, výměra zemědělské půdy, dopravní obslužnost, přítomnost zdravotního střediska, počet seniorů, počet živností, plocha rekreačních vodních ploch apod. Výpočet vícekriteriálních souhrnných indikátorů je spojen s celou řadou těžkostí. Základním problémem je komplexnost předmětu řešení, ve společenské oblasti postihující ekonomickou, sociální a environmentální stránku rozvoje a jejich vzájemnou interakci. Měření kvality života vychází z mnoha rozličných modelů a přístupů. Přesné, spolehlivé a teoreticky uspokojivé měření kvality života, na kterém by se shodla většina odborníků, neexistuje. Tato skutečnost je způsobena tím, že kvalita života není přesně vymezený a definovaný pojem a že je tvořena dvěma relativně samotnými složkami: – složkou objektivní, která se zaměřuje na měření kvality života pomocí zvolených indikátorů, zpravidla v oblasti ekonomické, sociální a environmentální; – složkou subjektivní, která je určována celkovou spokojeností člověka se svým životem. Souhrnné indikátory, se kterými budeme dále pracovat, poskytují socio-ekonomické informace o životě v obcích a mikroregionech. V žádném případě nevyjadřují míru lidského štěstí obyvatel. V obcích a regionech, které vykazují nižší hodnoty ekonomického blahobytu a kvality životního prostředí, mohou být lidé šťastní, spokojení a prožívat svůj individuální životní tok lépe než v bohatších regionech. V multimédiích a částečně i v odborném tisku se s pojmem „souhrnný indikátor“ často setkáváme, ale ne vždy se jedná o schválený a správně interpretovaný informační zdroj. Je důležité, aby každý, kdo některý vícekriteriální indikátor cituje a využívá, se přesvědčil, že pochází ze spolehlivého zdroje (např. že je v seznamu schválených a ověřených indikátorů příslušné organizace), nebo se seznámil s metodikou jeho výpočtu, protože jenom potom bude schopen správně interpretovat jeho význam a schopnost měřit vícekriteriální vlastnosti sledovaných jevů.
5
3.2. Postup výpočtu souhrnných indikátorů Metodika má dvě fáze: Fáze 1: Konstrukce agregovaných indikátorů Vymezení indikátorů, které jsou v daném období rozhodující pro hodnocení kvality života obyvatel na úrovni obce a návrh potřebného statistického aparátu pro jejich zpracování. Ve Fázi 1 se realizují následující činnosti: 1. Výběr základních indikátorů kvality života pro úroveň NUTS 4 a NUTS 5. 2. Redukce počtu základních indikátorů na agregované indikátory vyhovující úrovni obcí. Redukcí se zde rozumí vyřazení těch ze základních indikátorů, které poskytují stejné informace. Jeden agregovaný indikátor pak vyjadřuje s vysokou statistickou významností více informací, nahrazuje skupinu základních indikátorů. 3. Pro redukci počtu indikátorů se používá korelační analýza, kvalita redukce a výběr metody pro konstrukci souhrnných indikátorů se provádí Kaiser-Meyer-Olkinovým kritériem a Bartlettovým testem. Výsledkem Fáze 1 je množina agregovaných indikátorů, která s vysokou statistickou významností nahrazuje původní větší skupinu základních indikátorů. 2) Fáze 2: Konstrukce souhrnných indikátorů 1. Z agregovaných indikátorů kvality života se vytvářejí souhrnné indikátory kvality života pro oblasti: ekonomická sociální environmentální 2. Ze souhrnných indikátorů pro oblasti ekonomická, sociální a environmentální se vytvoří jeden souhrnný indikátor za všechny tři oblasti. Souhrnné indikátory se vytvářejí Metodou bodovou. Souhrnný indikátor vyjadřuje jediným nepojmenovaným číslem informaci za celou skupinu agregovaných indikátorů. V této fázi se agregovaným indikátorům, získaným ve Fázi 1, mohou přiřadit váhy, vyjadřující preference, které obyvatelé mikroregionu MAS přiřazují jednotlivým indikátorům. Tím se modeluje subjektivní chápání socio-ekonomického ukazatele obyvatel z cílové skupiny. Váhy se stanovují dvojím způsobem: Subjektivně: Přiřazení preferencí na základě dotazování expertů z cílové skupiny. Objektivně: Pro kvantifikaci vah indikátorů, pro které nelze získat spolehlivé expertní informace, se využívají metody hlavních komponent. Pro určení váhy agregovaného indikátoru se stanoví (1) nejvyšší hodnota korelace sledovaného indikátoru s jednou vybranou komponentou a (2) podíl rozptylu, který je danou komponentou vysvětlen. 6
Oba postupy se potom kombinují: nejprve se stanoví váhy objektivní metodou a výsledky se porovnají s hodnocením od expertů. Když se objeví významný rozdíl, expertní hodnocení je třeba provést znovu; doporučuje se to provést formou diskuse ve skupině expertů. Souhrnné indikátory se potom počítají Váženou metodou bodovou.
3.3. Fáze 1: Tvorba agregovaných indikátorů Cílem první fáze je tvorba agregovaných indikátorů pro obce a MAS na úrovni NUTS 4 a NUTS 5 územně správního členění ČR. Základním zdrojem objektivních informací pro vymezení základních indikátorů jsou statistiky sledované Českým statistickým úřadem (ČSÚ) a regionálně orientované databáze ČSÚ (KROK, MOS/MIS). Kvalita života a její rozdíly mezi regiony jsou ovlivněny mnoha faktory, které je možné popsat základními indikátory. Pro potřeby národní úrovně byl sestaven Index kvality a udržitelnosti života, který zařazuje indikátory do čtyř hlavních oblastí kvality života, které se dále člení na 12 problémových okruhů rozvoje. Ty jsou zvoleny tak, aby zahrnovaly všechny faktory rozvoje a reflektovaly prioritní problémy dalšího vývoje.
A – Mezinárodní postavení ČR 1. Společensko-politická oblast
Index kvality a udržitelnosti života (Index KUŽ)
B – Vnitřní bezpečnostní a politicko-společenská situace C – Demografický vývoj D – Životní úroveň obyvatel 2. Sociální oblast
E – Zdravotní stav obyvatel a zdravotní péče F – Vzdělání, věda a výzkum G – Přístup k informacím, informatizace H – Výkonnost ekonomiky a ekonomický rozvoj
3. Ekonomická oblast
I – Zadluženost a saldo ekonomiky J – Vybrané ekonomické indikátory K – Spotřeba přírodních zdrojů, eko-efektivita
4. Environmentální oblast L – Kvalita životního prostředí
7
Analýza regionálních disparit v kvalitě života obyvatel České republiky se provádí, řešením základních cílů: Dílčí cíl
1
2
3
Aktivity na základě odborných publikací na základě dostupnosti dat průzkumová analýza dat korelační analýza analýza hlavních komponent
Výběr primárních indikátorů, které jsou v rozhodném období rozhodující pro hodnocení kvality života v regionech na úrovni NUTS 4 a NUTS 5
− − − − −
Identifikace regionálních disparit – ověření, zda vybrané indikátory jsou vhodné pro sledování disparit mezi uvažovanými regiony
− shluková analýza − vizualizace homogenních skupin pomocí map
Kvantifikace regionálních disparit
− požadavky na konstrukci souhrnného indikátoru − výběr vhodné metody konstrukce souhrnného indikátoru − konstrukce souhrnného indikátoru
Výběr vhodných indikátorů kvality života a jejího rozvoje na regionální úrovni vychází z klasifikace Indexu kvality života pro ČR. Z hlediska cílové skupiny MAS, které se překrývají s různými okresy ČR, byla pro sledování stanovena úroveň NUTS 4 a NUTS 5 územně správního členění. Výběr primárních indikátorů a jejich agregace (zmenšení počtu) je rozdělen do pěti na sebe navazujících kroků: Agregace primárních indikátorů
Cíl
1
Výběr vhodných indikátorů na základě odborných publikací
− určit indikátory vhodné pro sledování disparit
2
Výběr indikátorů na základě dostupnosti dat
− zajistit reálné možnosti pro získávání dat
3
Průzkumová analýza dat
− popis statistických ukazatelů a ověřování spolehlivosti dat
4
Korelační analýza
− redukce počtu primárních indikátorů, eliminace duplicitních informací
5
Analýza hlavních komponent
− redukce počtu indikátorů, tvorba souhrnného indikátoru
Stěžejním kritériem pro výběr indikátorů je dostupnost údajů. Základní jednotkou pro statistické sledování dat v České republice jsou kraje, část zpracovaných informací přichází i do okresů, do obcí již informace ČSÚ nedodává. Je proto nezbytné při zpracování dat vycházet z primárních zdrojů, které eviduje ČSÚ pro úroveň obcí. Jsou to data, která ČSÚ získává přímo od obcí, nebo nepřímo od zdrojů, např. ČKÚ, ministerstev, podnikatelů, sčítání obyvatel, apod. Do vstupní datové matice bylo zařazeno 71 indikátorů: jsou dostupné v rámci veřejné databáze anebo je možné je zakoupit. 8
Z důvodů struktury dostupných údajů na úrovni NUTS 4 a NUTS 5 a z hlediska identifikace klíčových faktorů, které jsou z hlediska sledování disparit v kvalitě života nejvýznamnější, byly primární indikátory rozděleny do 3 tematických oblastí z „Indexu kvality a udržitelnosti života ČR“ na oblasti: − − −
ekonomická sociální environmentální
Rozsah
zkoumaného
souboru
71
indikátorů
zaručuje
i
významnost
výsledků
použitých
vícerozměrných statistických metod, použitých při zpracování a analýze dat. V každé ze tří sledovaných oblastí ekonomické, sociální a environmentální jsou provedeny operace: 1. Výběr základních indikátorů a jejich analýza na základě popisných statistických charakteristik průměr, medián a variační koeficient. Výsledky se využívají pro korelační analýzu. 2. Redukce postradatelných základních indikátorů pomocí korelační analýzy. Umožňuje vybrat indikátory, které jsou schopny z hlediska sledovaných informací nahradit jiné indikátory; ty je možné eliminovat a tak redukovat původní množinu primárních indikátorů na menší počet. Redukovaná množina indikátorů, tzv. agregované indikátory, se využívá pro metodu hlavních komponent. 3. Metoda hlavních komponent. Hodnoty korelačních koeficientů udávají míru nepostradatelnosti indikátorů a vyjadřují korelaci mezi indikátorem a komponentou. Výběr klíčových proměnných na základě této metody vychází z posouzení hodnot korelací, které udávají sílu závislosti mezi indikátorem a hlavní komponentou. Rozhodující pro výběr ukazatelů jsou hodnoty korelace přesahující hranici 0,7, kterou je možné považovat za dostatečně významnou. Metoda hlavních komponent se používá také při konstrukci souhrnného indikátoru ke stanovení vah. 4. Posouzení významu vybraných ukazatelů z hlediska možné identifikace disparit je provedena na základě shlukové analýzy. Cílem shlukové analýzy je odhalit strukturu sledovaného datového souboru a umožnit jeho snadnější interpretaci, klasifikaci a také vizualizaci v podobě kartografických map. Shluková analýza je vhodným nástrojem průzkumové analýzy dat, umožní vytvoření homogenních skupin, na jejichž základě lze posoudit jednotlivé oblasti z hlediska regionálních disparit. Výhodou shlukové analýzy pro úroveň MAS je její nezávislost na územním členění okresů, resp. krajů.
3.4. Výběr indikátorů pro ekonomickou oblast Ekonomická oblast obsahovala v prvotním výběru 25 indikátorů:
1) 2) 3) 4) 5) 6) 7)
hustota železniční sítě (E/HŽS) hustota silniční sítě (E/HSS) hustota ostatních dopravních ploch (E/HODP) počet ekonomicky aktivních osob (E/PEA) počet osob dojíždějících do zaměstnání nad 60 minut/den (E/D60) míra nezaměstnanosti-muži (E/MNM) míra nezaměstnanosti-ženy (E/MNŽ) 9
8) 9) 10) 11) 12) 13) 14) 15) 16) 17) 18) 19) 20) 21) 22) 23) 24) 25)
průměrný věk uchazečů o zaměstnání (E/PVU) průměrná doba evidence na úřadu práce-ženy (PDEŽ) průměrná doba na evidence na úřadu práce-muži (E/PDE/M), počet volných pracovních míst (E/PVPP) počet uchazečů o zaměstnání na jedno volné pracovní místo (E/PU) podíl osob pobírající příspěvky v nezaměstnanosti (E/PN) podíl ekonomicky aktivních v primárním sektoru (Z/ZPS) podíl ekonomicky aktivních v sekundárním sektoru (Z/ZSS) podíl ekonomicky aktivních v terciárním sektoru (E/ZTS) počet subjektů bez zaměstnanců (E/BEZZ) počet subjektů s 1-9 zaměstnanci-mikropodniky (E/MIKRO) počet subjektů s 10-49 zaměstnanci-malé podniky (E/MALÉ), počet subjektů s 50-249 zaměstnanci-střední podniky (E/STŘEDNÍ) počet subjektů s více jak 250 zaměstnanci-velké podniky (E/VELKÉ) počet registrovaných jednotek podnikatelé fyzické osoby (E/FO) počet registrovaných jednotek podnikatelé (E/PO) počet volných pracovních míst pro invalidní uchazeče a uchazeče potřebující zvláštní péči počet volných pracovních míst pro absolventy a mladistvé uchazeče o pracovní místo.
Popisné charakteristiky jsou uvedeny v Tabulce 1, výběr indikátorů na základě korelační analýzy v Tabulce 2. V další fázi byly hodnoty indikátorů z oblasti ekonomika podrobeny analýze hlavních komponent, které byly vypočteny z korelační matice proměnných. Po výpočtu Kaiser-Meyer-Olkinova kritéria a na základě Bartlettova testu získáváme 10 agregovaných indikátorů pro oblast ekonomiky:
1) 2) 3) 4) 5) 6) 7) 8) 9) 10)
hustota železniční sítě hustota ostatních dopravních ploch počet osob dojíždějících do zaměstnání nad 60 minut/den míra nezaměstnanosti-ženy průměrná doba evidence na úřadu práce-muži počet uchazečů o zaměstnání na jedno pracovní místo počet právních subjektů bez zaměstnanců počet subjektů s 1-9 zaměstnanci-mikropodniky počet registrovaných jednotek právnické osoby počet volných pracovních míst pro absolventy a mladistvé uchazeče o pracovní místo.
10
Průměr
Medián
Šikmost
Špičatost
Variační koeficient (%)
Počet odlehlých pozorování
E/HŽS
0,42
0,31
2,84
9,49
77,52
7
E/HSS
1,01
0,97
1,07
2,02
30,23
1
E/HODP
2,21
2,02
3,96
18,65
45,35
4
E/PEA
497,13
500,98
–2,92
12,09
5,34
4
E/D60
14,62
11,42
1,38
1,09
55,92
3
E/MN/M
10,58
10,30
0,29
–0,12
25,85
1
E/MNŽ
11,69
11,60
0,38
–0,15
28,13
0
E/PVU
39,16
39,00
0,27
0,14
1,77
0
E/PDEŽ
466,51
446,00
0,21
–0,35
29,41
0
E/PDEM
359,28
338,00
0,98
1,45
35,86
2
E/PVPP
5,32
4,63
1,63
2,99
47,72
3
E/PU
26,49
26,00
1,09
1,14
54,34
3
E/PN
3,74
3,57
1,91
5,51
24,62
4
E/ZPS
5,71
5,55
0,12
–0,83
51,14
0
E/ZSS
40,67
41,41
–0,31
–0,22
12,96
0
E/ZTS
46,19
45,84
1,00
0,76
11,36
2
E/BEZZ
76,46
77,11
0,03
0,33
15,67
1
E/MIKRO
17,71
17,20
2,13
8,55
16,88
4
E/MALÉ
3,85
3,81
1,70
8,12
16,28
12
E/STŘEDNÍ
0,97
0,96
0,78
1,40
19,61
3
E/VELKÉ
0,15
0,14
1,33
2,72
36,57
4
E/FO
16,81
16,35
0,57
–0,33
12,19
1
E/PO
6,01
5,66
1,83
4,67
26,23
5
E/ZTP
5,18
5,27
0,21
0,01
40,32
0
E/ABSOL
3,63
3,72
–0,03
0,08
28,83
0
Indikátor
Tabulka 1: Hodnocení základních indikátorů pro ekonomickou oblast Indikátor míra nezaměstnanosti-muži míra nezaměstnanosti-ženy průměrná doba evidence na úp-muži průměrná doba evidence na úp-ženy podíl ekonomicky aktivních v terciárním sektoru podíl ekonomicky aktivních v sekundárním sektoru počet subjektů s 1-9 zaměstnanci-mikropodniky počet subjektů s 10-49 zaměstnanci-malé podniky
Korelační koeficient r = 0,915
r = 0,879
r = – 0,869
r = 0,875
Variační koeficient % 25,85 28,13 35,86 29,41 11,36 12,96 16,88 16,28
Tabulka 2: Výběr indikátorů na základě korelační analýzy pro ekonomickou oblast
11
3.5. Výběr indikátorů pro sociální oblast Do oblasti sociální bylo zařazeno 31 základních indikátorů:
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31.
průměrná velikost obce (S/Obec) hustota obyvatelstva (S/HustotaO) přirozený přírůstek (S/PP), přírůstek stěhováním (S/PS hrubá míra rozvodovosti (S/HMR) průměrný věk žijících (S/PVěk) podíl populace do 14 let (S/Pop14 let) podíl populace 15-59 let (S/Pop59) podíl populace 60-64 let (S/Pop64) podíl populace (S/Pop65) index stáří (S/IST) podíl sportovišť a rekreačních ploch (S/SaRP) počet lékařů (S/Lékař) počet zdravotnického personálu (P/ZP) průměrná délka pracovní neschopnosti (S/PDPN) počet praktických lékařů pro dospělé (S/Ldospělí) počet praktických lékařů pro děti (S/Lděti) počet stomatologů (S/Zubař) počet lékařských specialistů (S/Lspecial) počet lékáren (S/Lékárny) podíl příjemců důchodu (S/PD) průměrný důchod (S/PRD) počet objektů individuální rekreace (S/Rekreace) podíl obyvatel s vysokoškolským vzděláním (S/VŠ) podíl obyvatel se středoškolským vzděláním (S/SS) podíl obyvatel s vyučením (S/VV) podíl obyvatel se základním vzděláním (S/ZV) počet zjištěných trestných činů (S/PTC) počet dopravních nehod (S/PDN) podíl bytových domácností s jedním autem (S/BA) podíl bytových domácností s telefonem (S/BT) podíl bytových domácností s počítačem (S/BPC).
12
V tabulce 3 jsou odpovídající základní charakteristiky průměr, medián a variační koeficient.
Průměr
Medián
Šikmost
Špičatost
Variační koeficient %
Počet odlehlých pozorování
S/Obec
7047,36
1309,37
8,63
74,92
602,30
6
S/HustotaO
164,57
109,71
4,69
24,95
137,67
6
S/Porodnost
0,78
0,72
1,47
4,66
178,91
2
S/PS
1,45
–0,31
2,57
9,03
428,16
7
S/HMR
2,91
2,92
0,33
0,28
13,28
1
S/PVěk
40,64
40,70
–0,76
1,45
1,89
2
S/Pop14
14,70
14,62
1,70
6,17
5,80
2
S/Pop59
62,87
62,77
0,42
0,15
1,37
0
S/Pop64
7,13
7,10
0,45
–0,19
5,40
1
S/Pop65
15,30
14,47
–0,45
0,04
8,15
0
S/IST
104,69
105,37
–0,32
0,66
12,45
0
S/SaRP
0,33
0,28
1,76
3,30
54,33
5
S/Lékař
3,59
3,25
2,14
6,07
35,04
11
S/ZP
8,59
7,64
1,55
3,70
39,80
8
S/PDPN
46,96
46,40
0,57
0,50
10,95
2
S/Ldospělí
0,51
0,51
–0,14
0,19
11,93
1
Indikátor
S/Lděti
1,02
1,01
0,09
1,63
11,83
5
S/Zubař
0,47
0,46
0,78
1,78
17,41
4
S/Lspecial
0,57
0,54
1,49
2,83
28,45
4
S/Lékarny
0,22
0,22
0,05
–0,05
17,51
0
S/PD
27,02
27,32
–1,17
2,49
6,52
2
S/PRD
9756,99
9749,50
0,18
–0,18
1,94
2
S/Rekreace
32,59
25,52
2,40
8,24
82,46
7
S/VŠ
4,11
3,80
3,58
18,05
34,33
7
S/SŠ
16,41
16,31
1,05
3,33
13,43
4
S/VV
24,29
24,60
–1,97
6,61
7,52
4
S/ZV
27,09
27,60
–1,35
3,17
10,55
5
S/PTČ
24,14
21,81
1,19
1,30
35,39
1
S/PDN
6,10
5,81
0,37
–0,01
34,48
1
S/BA
53,77
54,80
-0,55
–0,79
11,72
0
S/BT
21,43
21,09
0,87
1,35
14,86
3
S/BPC
13,85
13,58
1,54
3,32
14,21
5
Tabulka 3: Hodnocení základních indikátorů pro sociální oblast
13
Výběr indikátorů na základě korelační analýzy ukazuje Tabulka 4:
Indikátor průměrný věk žijících obyvatel
Korelační koeficient
Variační koeficient %
r = – 0,853
1,89
podíl populace do 14 let průměrný věk žijících obyvatel
5,80 r = 0,928
podíl populace 65 a více let index stáří
8,15 r = – 0,972
průměrný věk žijících obyvatel index stáří
r = 0,953
r = – 0,880
12,45 5,80
r = 0,855
počet zdravotnického personálu podíl obyvatel s vysokoškolským vzděláním
12,45 1,89
podíl populace do 14 let počet praktických lékařů pro dospělé
1,89 12,45
podíl populace 65 a více let index stáří
1,89
35,04 39,80
r = 0,818
podíl obyvatel se středním vzděláním
34,33 13,43
Tabulka 4: Výběr indikátorů na základě korelační analýzy pro sociální oblast
Vyrovnanost hodnot sledovaných indikátorů mezi okresy je charakterizována variačním koeficientem. Extrémně velké rozdíly byly zaznamenány u proměnné hustota obyvatelstva (S/Hustota O – 137 %), průměrná velikost obce (S/Obec – 602 %), přirozený přírůstek obyvatel (S/PP – 179 %) a proměnné přírůstek stěhováním (S/PS – 428,16 %). Jedná se o všechny indikátory, které sledují počty obyvatel v okresech, a jejich velká variabilita bude mít značný vliv při výpočtu souhrnných charakteristik. Obdobně jako v ekonomické oblasti jsou zohledněny hodnoty párových korelačních koeficientů a hodnoty kritéria VIF a variačního koeficientu. Indikátory, u kterých byla prokázána silná závislost, jsou uvedeny v Tabulce 4. Na základě posouzení vypočtených charakteristik bylo ze sociální oblasti 5 proměnných: průměrný věk žijících obyvatel, podíl populace do 14 let, podíl populace nad 65 let, počet lékařů, podíl obyvatel se středoškolským vzděláním. Z porovnání párových a základních korelačních koeficientů, na kterých je založen výpočet hodnoty Kaiser-Meyer-Olkinova (KMO) kritéria (0,756) vyplývá, že mezi proměnnými je silná vzájemná lineární závislost a že použití analýzy hlavních komponent má význam. Z původních 27 indikátorů bylo analýzou hlavních komponent vytvořeno 6 hlavních komponent. Ty vysvětlují 76,5 % celkového rozptylu původních vstupních proměnných. Výběr agregovaných indikátorů pro sociální oblast se řídil stejnými pravidly jako v případě indikátorů z ekonomické oblasti, byly vybrány indikátory, jejichž hodnota korelačních koeficientů přesáhla hranici 0,7. V konečném součtu bylo do sociální oblasti zařazeno 12 indikátorů: 14
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12.
hustota obyvatelstva přirozený přírůstek obyvatel index stáří počet zdravotnického personálu počet stomatologů počet lékařských specialistů průměrný důchod podíl obyvatel s vysokoškolským vzděláním podíl osob s vyučením podíl osob se základním vzděláním bytové domácnosti s autem bytové domácnosti s telefonem.
3.6. Výběr indikátorů pro environmentální oblast V rámci environmentální oblasti bylo sledováno 14 základních indikátorů:
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14.
podíl zemědělské půdy (P/ZP) podíl orné půdy (P/OP) orná půda na obyvatele (P/OP-Obyv) podíl zahrad a ovocných sadů (P/ZaOS) podíl trvalých travních porostů (P/TTP) podíl nezemědělské půdy (P/NP) podíl lesních pozemků (P/Les) podíl vodních ploch (P/Voda) podíl zeleně (P/Zeleň) podíl skládky (P/Skládka) koeficient ekologické stability (P/KES) podíl trvale obydlených rodinných a bytových domů s kanalizací (P/Kanál) podíl trvale obydlených rodinných a bytových domů s plynem (P/Plyn) podíl trvale obydlených rodinných a bytových domů s ÚT (P/Topení).
Nejvyšší variabilita byla zaznamenána u proměnných podíl skládky, podíl zeleně, podíl trvale obydlených rodinných, podíl bytových domů s plynem a současně i rozdíl mezi aritmetickým průměrem a mediánem; jedná se o významné proměnné z hlediska detekce disparit. Nízké hodnoty variačního koeficientu jsou u proměnné podíl trvale obydlených rodinných a bytových domů s ústředním topením. Na základě posouzení párových korelačních koeficientů a dalších charakteristik bylo ze vstupní datové matice vyřazeno 5 indikátorů podíl zemědělské půdy, podíl orné půdy, podíl trvalých travních porostů, podíl nezemědělské půdy a podíl vodních ploch. Popisné charakteristiky a korelační vztahy jsou v Tabulkách 5 a 6.
15
Průměr
Medián
Šikmost
Špičatost
Variační koeficient %
Počet odlehlých pozorování
P/ZP
53,50
54,05
–0,35
–0,81
22,05
0
P/OP
38,06
40,46
–0,23
–0,93
40,81
0
P/OP-Obyv
0,38
0,35
0,25
–0,80
58,89
0
P/ZaOS
3,02
2,68
1,68
3,79
57,36
4
P/TTP
12,05
12,15
0,37
–0,58
55,96
0
P/NP
46,50
45,95
0,35
–0,81
25,38
0
P/Les
32,83
31,38
0,26
–0,67
34,12
0
P/Voda
2,02
1,67
2,10
4,76
59,84
8
P/Zeleň
3,80
2,96
3,40
15,36
67,01
5
P/Skládka
0,15
0,12
2,67
11,11
93,42
4
P/KES
1,26
0,91
1,46
1,76
70,61
4
P/Kanál
50,71
49,91
0,38
–0,21
25,59
0
P/Plyn
51,83
45,73
0,34
–0,90
37,02
0
P/Topení
72,73
72,96
0,13
0,07
8,86
0
Indikátor
Tabulka 5: Hodnocení základních indikátorů pro environmentální oblast Indikátor podíl zemědělské půdy
Korelační koeficient
Variační koeficient %
r = –1,000
22,05
podíl nezemědělské půdy podíl zemědělské půdy
25,38 r = 0,947
podíl orné půdy podíl zemědělské půdy
40,81 r = –0,843
podíl lesních pozemků podíl nezemědělské půdy
r = –0,947
r = –0,823
r = 0,843
r = –0,816
r = –0,898
podíl vodních ploch
70,61 55,96
r = 0,816
podíl nezemědělské půdy koeficient ekologické stability
70,61 40,81
r = 0,863
podíl trvalých travních porostů koeficient ekologické stability
70,61 22,05
podíl orné půdy koeficient ekologické stability
25,38 34,12
podíl zemědělské půdy koeficient ekologické stability
34,12 40,81
podíl lesních pozemků koeficient ekologické stability
25,38 40,81
podíl orné půdy podíl nezemědělské půdy
22,05 34,12
podíl orné půdy podíl lesních pozemků
22,05
70,61 25,38
r = 0,936
70,61 59,84
Tabulka 6: Výběr indikátorů na základě korelační analýzy pro environmentální oblast
16
Na základě analýzy hlavních komponent byly z environmentální oblasti vyřazeny další 3 indikátory, oblast environmentální tak zastupuje 6 agregovaných indikátorů:
1. 2. 3. 4. 5. 6.
orná půda na obyvatele podíl zahrad a ovocných sadů podíl lesních pozemků podíl skládky koeficient ekologické stability podíl trvale obydlených rodinných a bytových domů s plynem.
Původní matice základních indikátorů obsahovala 71 indikátorů, po provedené analýze se jejich počet zmenšil na 28, tj. datová matice byla zredukována o 60%.
3.7. Fáze 2. Výpočet souhrnných indikátorů Souhrnné indikátory se konstruují zvlášť pro oblast ekonomickou, sociální a environmentální. V každé z těchto oblastí je vyjádřen jen jediným (nepojmenovaným) číslem. Musí reprezentovat celou skupinu vybraných agregovaných indikátorů, vyjadřovat zájmy obyvatel MAS z hlediska ekonomiky, sociální spravedlnosti a ochrany životního prostředí. Z těchto tří souhrnných indikátorů se nakonec vytvoří celkový souhrnný indikátor. Tvorba souhrnných indikátorů byla rozdělena do 4 kroků:
Činnost
Cíl
1
Identifikace požadavků na konstrukci souhrnného indikátoru
− srovnatelnost různých územních celků a využitelnost pro hodnocení disparit
2
Výběr vhodné metody konstrukce souhrnného indikátoru
− určení metody agregace a vážení odpovídající požadavkům hodnocení kvality života
3
Konstrukce základních indikátorů
− posouzení a hodnocení disparit ve sledovaných oblastech života ekonomika, sociální, životní prostředí
4
Konstrukce souhrnného indikátoru
− vytvořit nástroj pro komplexní hodnocení disparit, výpočet pro vybranou skupinu MAS
Pro tvorbu souhrnného indikátoru je zvolena Metoda bodová, která v porovnání s ostatními metodami nejvíce vyhovuje Tabulka 7. Konstrukce souhrnného indikátoru respektuje požadavky: 1. 2. 3. 4. 5.
významnost z hlediska sledovaného hodnocení, validita zajišťuje přesnost a statistickou významnost informací, jedinečnost zajišťuje odstranění duplicitních, nadbytečných informací, interpretovatelnost – srozumitelnost, jednoduchost, možnost vyjádřit kvalitu v jednotkách jedné syntetické charakteristiky, bezrozměrným číslem, využitelnost – možnost jeho užití pro zobrazení jiných regionálních disparit MAS, které přesahují hranice jednotlivých okresů. 17
Nevýhody
Výhody
Metoda agregace Metoda pořadí SIPořadí
snadná interpretovatelnost
Metoda bodová SIBody
snadná interpretovatelnost bezrozměrné číslo dobrá využitelnost hledisko diferenciace
horší využitelnost naprostá ztráta informace o skutečných hodnotách jednotlivých indikátorů
snadná interpretovatelnost bezrozměrné číslo
horší využitelnost v případě odlehlého pozorování může dojít k výraznému zkreslení průměrné hodnoty v případě x = 0
Metoda normované proměnné SINorma
dobrá využitelnost eliminace odlehlých pozorování
hůře interpretovatelný výsledky mohou nabývat záporných hodnot
Standardizační metoda SIStandard
dobrá využitelnost eliminace odlehlých pozorování
hůře interpretovatelný v případě x = 0
Metoda poměrová SIPoměr
Tabulka 7: Slabá a silná místa statistických metod agregace
Bodová metoda je založena na vymezení území, ve kterém analyzovaný indikátor, zahrnutý do hodnocení, dosahuje maximální (za progresivní jev požadujeme růst příslušného ukazatele) či minimální hodnoty (k progresi dochází v okamžiku, kdy hodnota daného ukazatele klesá). V případě hodnocení MAS je toto území vymezeno výčtem obcí, zařazených do sledované MAS. Pokud by se šetření provádělo pro jinou skupinu (klastr) obcí, skupina by se vymezila jejich výčtem. V případě, že index SIBody nabývá hodnoty 1, hodnotíme obec jako průměrnou. Hodnoty vyšší než 1 značí nadprůměrné hodnocení, při hodnotě indexu nižší než 1 hovoříme o podprůměrném vývoji. n
∑b
SIBody =
i =1 n m
ij
∑∑b
ij
i
j
m bij
bodová hodnota i-tého ukazatele, i = 1, ..., n, a j-tého objektu, j = 1,…, m
n
počet ukazatelů
m
objektů (okresů, MAS, resp. i obcí zařazených do MAS)
xij
původní hodnota i-tého ukazatele pro j-tý objekt
xmax
maximální hodnota i-tého ukazatele,
xmin
minimální hodnota i-tého ukazatele
18
Bodová hodnota bij je rovna
bij =
bij =
xij − xmin xmax − xmin
xmax − xij xmax − xmin
při pozitivní působnosti,
při negativní působnosti.
Metodu bodovou lze aplikovat ve dvou variantách: 1) Metoda bodová prostá (primárním indikátorům se nepřiřazují váhy), 2) Metoda bodová vážená (primárním indikátorům se před jejich agregací přidají váhy a tím se při procesu agregace zohlední specifické preference uživatelů). Pro vyjádření jedinečnosti jednotlivých území – obcí, jejich sdružení do MAS, resp. do jiných skupin – pro výpočet souhrnného indikátorů byla zvolena Metoda bodová vážená.
3.8. Tvorba vážených souhrnných indikátorů pro MAS Pro hodnocení regionálních disparit na úrovni MAS je třeba upravit agregované indikátory tak, aby respektovaly jedinečné, individuální podmínky mikroregionu, tzn. obcí, které jsou do MAS zapojeny. To se provádí pomocí vah, které se přiřadí kde každému agregovanému indikátoru. Pro vážení primárních indikátorů byla pro MAS použita kombinace dvou přístupů: 1) Objektivní přístup – pro kvantifikaci vah indikátorů, u kterých nebylo možné získat spolehlivé expertní informace, byla využita metoda hlavních komponent. Zde jsou pro určení váhy rozhodující (1) nejvyšší hodnota korelace sledovaného indikátoru s jednou vybranou komponentou a (2) podíl rozptylu, který je danou komponentou vysvětlen. Takto vytvořenou váhu je možné využit při konstrukci agregovaných indikátorů pro jednotlivé oblasti (ekonomická, sociální, environmentální) i k výpočtu souhrnného indikátoru pro všechny tyto oblasti společně. 2) Subjektivní přístup – byl založen na metodě veřejného mínění. Stanovení vah bylo založeno na přiřazení preferencí na základě dotazování expertů z cílové skupiny. Dotazníkové šetření v prostředí MAS bylo provedeno ve třech úrovních: 1. Dotazníkové šetření ve skupině pracovníků, kteří působí ve vedoucích orgánech MAS. 2. Dotazníkové šetření ve skupině představitelů vybraných obcí. 3. Formou prezentace získaných dat z předchozích dotazníkových šetření, diskuse a následného vyhodnocení dotazníku. Váhy indikátorů, určené reprezentanty MAS a obcí, vyjadřují důležitost, kterou obyvatelé přisuzují jednotlivým indikátorům. Váha zde reprezentuje konkrétní situaci v mikroregionu, vyjadřuje i osobní, individuální spokojenost obyvatel s ekonomickým, sociálním a environmentálním prostředím. Oba postupy byly navzájem kombinovány: nejprve byly stanoveny váhy objektivní metodou a výsledky byly porovnány se subjektivním hodnocením od expertů. Když se objevil u vah některých indikátorů významný rozdíl, expertní hodnocení bylo provedeno znovu, tentokrát ve skupině expertů s diskuzí. Souhrnný indikátor, spočtený z vážených agregovaných indikátorů, lépe vyjadřuje rozdíly mezi jednotlivými MAS. 19
3.9. Transfer dat z ČSÚ ČSÚ poskytuje data za všechny obce české republiky, je možné je stáhnout z webových stránek úřadu např. do Excelu. Data jsou k disposici zdarma od roku 2014. Pro získávání a zpracování dat je důležité respektovat rozhodné období: to je datum, ke kterému jsou všechna data k disposici. ČSÚ zveřejňuje data zpravidla v březnu za předchozí rok. U jiných, zejména regionálních databází, není aktualizace dat pravidelná a je třeba ji průběžně sledovat. Z toho důvodu byla pro výstupy metodiky využívána pouze data z ČSÚ.
3.10. SW podpora Metodiky – Program MONIQUA Webová aplikace, která bude umožňovat uchovávání, zpracování, prezentaci dat a komunikaci s uživateli je vytvářena prostřednictvím kombinací několika technologií a aplikačního rozhraní Google Maps. V návrhu se uplatní běžné standardy tak aby ovládání bylo jednoduché a intuitivní. Základem pro prezentaci je framework – Bootstrap. Celá aplikace je postavena na opensource software produktech – PHP a MySQL a v klientské části se užívají jazyky HTML a JavaScript. Databázová vrstva aplikace je navržena s ohledem na dostupné zdroje informací v kombinaci s maximalizací rychlosti zpracování dat při vykreslování složitých polygonů katastrálních území. Databáze byla vytvořena na webově nejrozšířenějším opensource databázovém produktu – MySQL. Obsahuje tabulky s číselníky krajů, místních akčních skupin, obcí, okresů, tabulky se souřadnicemi, polygony, vypočítanými daty a tabulky pro parametrizaci zobrazení. Souřadnice katastrálních oblastí byly přepočítány prostřednictvím převodů mezi klastry relevantních dat. Průměrná délka souřadnic udávající polygon jedné obce je 19174 znaků, počet zpracovaných souřadnic přesahuje 4,8 milionů, do zpracování je zahrnuto 6253 obcí, 180 MAS, 77 okresů, 14 krajů. Celkový rozměr databáze a zpracovaných dat je 314 MB, z toho největší objem zabírají souřadnice a polygony pro grafickou reprezentaci souhrnných indikátorů. Jednotlivé obce jsou v aplikaci segmentovány podle příslušnosti k MAS, nelze je vyhledávat jednotlivě, ale je možné porovnávat vypočítané hodnoty indikátorů mezi obcemi v rámci příslušné MAS. Aplikace umožňuje k dané obci také zobrazit data, pomocí kterých byly spočteny souhrnné indikátory. Základním grafickým frameworkem aplikace je Bootstrap. Jedná se o pokročilý webový framework, umožňující přehledné responsivní vykreslení zvolených objektů. Na jeho základě je postaveno grafické uživatelské rozhraní a aplikace by tak měla být funkční i na alternativních zobrazovacích zařízeních mimo desktopy – na tabletech či mobilních telefonech. Je zakomponováno využití aplikačního programového rozhraní Google Maps, které zprostředkovává grafickou vrstvu a funkcionalitu zobrazování map. Jako podkladová mapa byla zvolena mapa typu ROADMAP (silniční síť), která svým vzhledem nejvíce vyhovuje zobrazování vykreslovaných polygonů obcí. Podrobný návod na použití programu MONIQUA je uveden v Příloze 3. 20
4. UPLATNĚNÍ METODIKY 1) Metodika předkládá ověřený postup jak vytvářet agregované a souhrnné indikátory kvality života pro mikroregiony MAS formou přímého zpracování dat, která jsou přístupná v ČSÚ. Při výpočtu se tedy užívají primární data a informace, která nejsou zatížena úpravami, které ČSÚ provádí při transferu na úroveň krajů. Navržený metodický postup lze analogicky použít i pro jiné komunity – skupiny obcí, vytvořených na jiných principech než jsou komunity MAS. Nejblíže aplikaci je administrativně vymezená oblast „okres“. Metodiku je možné ale použít pro porovnávání libovolných regionálních útvarů vytvořených z obcí. 2) Databáze opensource MySQL může být doplňována vlastními uživatelskými daty, která si budou potenciální uživatelé podle svých potřeb ukládat a zpracovávat. Pokud se všechny organizace MAS v ČR shodnou na evidenci dalších vybraných dat a údajů (které např. ČSÚ neeviduje), vzájemné hodnocení mezi MAS v ČR může být objektivnější a přesnější. 3) Pro sledování vývoje cílových skupin je důležité vytvoření časové řady dat, tj. po uplynutí každého rozhodného období je třeba data ukládat. Časová řada umožní analýzu vývoje, predikci ex ante i ex post. Porovnávání
vymezených oblastí
z hlediska dynamického vývoje poskytne
lepší
a věrohodnější informace pro řídící orgány, které v oblasti řízení regionů působí. 4) Správu, provoz a vývoj uživatelského prostředí musí zajišťovat kvalifikovaná osoba, která zajistí načtení aktuálních statistických dat, uložení dat a výstupů z minulého období, ošetří změny ve složení MAS, pokud k nim došlo. Program MONIQUA je nastaven tak, aby jeho fungování zvládl běžný uživatel SW aplikací. 5) Pro ilustraci metodiky jsou prezentována statistická data za období 2014, souhrnné indikátory jsou vypočteny s vahami 1, aby výstupy prezentovaly situaci v MAS na podkladě hodnot základních indikátorů, které eviduje ČSÚ a které využívají všechny řídící orgány v ČR.
21
5. UKÁZKY VÝSTUPŮ Z PROGRAMU MONIQUA 5.1. Titulní stránka – panely hlavní nabídky Přístup k programu Moniqua je na adrese: http://moniqua.net-mix.cz , manuál v Příloze č. 3. Po otevření se objeví titulní obrazovka – hlavní menu, Obrázek 1.
Obrázek 1: Titulní obrazovka programu Moniqua
V základní nabídce, zobrazené v horním řádku obrazovky, jsou zobrazeny panely pro vstup do jednotlivých částí programu, jejich prostřednictvím můžeme zobrazovat následující informace a indikátory: 1) Interaktivní mapy: zobrazují hranice každé ze 180 MAS v ČR a hranice katastrů obcí do nich příslušných. 2) Souhrnné indikátory kvality života všech obcí v ČR v rozlišení – oblast ekonomická – oblast sociální – oblast environmentální – celkový souhrnný indikátor 3) Vzájemné porovnání obcí zařazených do MAS. 4) Přehled statistických dat užitých při konstrukci souhrnných indikátorů pro libovolně vybranou skupinu obcí. 22
5.2. Zobrazení MAS a obcí zařazených do MAS na mapě ČR Rolety na horní liště nabízejí výběr 180 MAS; vybereme např. MAS Zubří země v kraji Vysočina. Rozvine mapa České republiky, fialový reflektor ukazuje orientační hodnoty souhrnného indikátoru, Obrázek 2.
Obrázek 2: Zobrazení vybrané MAS na mapě ČR
Na mapě jsou zobrazeny obrysy katastrů obcí a názvy obcí. Hranice katastrů obcí jsou vyznačeny s přesností 0,75 m, plochy katastrů jednotlivých obcí reagují interaktivně na kliknutí myší. V horní části obrazovky je barevná stupnice, orientačně vyjadřuje hodnotu souhrnného indikátoru kolem průměrné hodnoty 1. Explicitně je nastavena fialová barva pro celkový souhrnný indikátor. Z obrázku je zřejmé, že nejvyšší hodnoty celkového souhrnného indikátoru dosahují dvě obce – orientačně je zde podle intenzity barvy hodnota souhrnného indikátoru větší než 1,5. Klikneme např. na oblast obce v severozápadním rohu mapy. Objeví se karta s indikátory obce Tři studně.
23
Oblast ekonomická 2,7352
Při najetí kurzoru na barevný řádkový graf, zobrazený na kartě obce, zobrazí se přesné hodnoty indikátorů: např. pro oblast ekonomickou se zobrazí hodnota 2,7352; pro oblast sociální 0,9438 atp. Karta se zavře tlačítkem „x“ v pravém horním rohu panelu. Obec Strachujov v severní oblasti MAS vykazuje podle intenzity barevné škály nižší hodnotu souhrnného indikátoru: kliknutím na její polohu na mapě se zobrazí hodnoty indikátorů pro tuto obec: při najetí kurzoru na oblast ekonomickou se objeví hodnota 0,4924 – je výrazně nižší, než u obce Tři studně.
Chceme-li provést zobrazení MAS pro souhrnný indikátor za oblast ekonomickou, sociální nebo environmentální, přepneme zobrazení pro příslušné souhrnné indikátory: Pro oblast ekonomickou se mapa zobrazí v barevné škále červené. V případě, že zvolíme oblast environmentální, katastry obcí se zobrazí ve škále barvy zelené. V případě oblasti sociální ve škále barvy modré. 24
Obrázek 3: Barevná škála hodnoty indikátoru pro ekonomickou oblast ve zvolené MAS
5.3. Přehled indikátorů kvality života v obcích ve vybrané MAS Program umožňuje vytvořit přehled souhrnných indikátorů pro všechny obce ve zvolené MAS, Obrázek 4.
Obrázek 4: Přehled souhrnných indikátorů pro MAS Zubří země – část přehledu
25
Podobně lze porovnat hodnoty souhrnných indikátorů u všech MAS, např. pro MAS Moravská cesta, Obrázek 5.
Obrázek 5: Přehled souhrnných indikátorů pro MAS Moravská země
5. 4. Statistická data obcí Do vstupní datové matice bylo zařazeno 71 údajů (základních indikátorů) o každé z 6 253 obcí České republiky; z nich bylo vybráno 28 agregovaných indikátorů. Tyto údaje si mohou obce, resp. MAS porovnávat. Např. zajímá nás, z jakých informací byly vypočteny souhrnné indikátory kvality života u obcí Nedvědice Lísek Ubušínek Horní Dvořiště Obce Nedvědice, Lísek a Ubušínek patří do MAS Zubří země. Obec Horní Dvořiště je zařazena v MAS Sdružení Růže. 26
Zobrazíme mapu MAS Zubří země, podobně jako na Obrázku 2. Kliknutím na oblast katastru obce zařadíme obec do přehledu. Najdeme obec Nedvědice, kliknutím na její oblast na mapě zobrazíme její kartu a na ní uplatníme příkaz „přidat obec do srovnání obcí“.
Podobným způsobem zařadíme do přehledu další obce Lísek a Ubušínek. Pro zařazení obce Horní Dvořiště je třeba otevřít interaktivní mapu MAS Sdružení Růže, a na kartě obce Horní Dvořiště aktivujeme její zařazení do přehledu.
Na Obrázku 6 je část seznamu dat ČSÚ, ze kterých byly vypočítány souhrnné indikátory kvality života
27
Obrázek 6: Porovnání statistických dat pro zvolené 4 obce ze dvou různých MAS – část seznamu
28
6. POUŽITÁ LITERATURA ASHLEY, C., MAXWELL, S. Rethinking Rural Development, Development Policy Rewiev, 2001,19(4), s. 395-425. BINEK, J. akol. Venkovský prostor a jeho oživení. Brno:Georgetown, 2007. 140 s. ISBN 80-251-19-5. BINEK, J., GALVASOVÁ, I. Regionální politika v ČR: Efekty a nové výzvy. Sborník příspěvků z konference Regionální politika v ČR: Efekty a nové výzvy. Jihlava: GaREP, 2009. ISBN 978-80-904308-3-9. BLAŽEK, J.,UHLÍŘ, D. Teorie regionálního rozvoje. Praha: Univerzita Karlova, 2002. ISBN 80-246-0384-5. ČÁSLAVKA, J., HÁK, T., TŘEBICKÝ, V., KUTÁČEK S. Indikátory blahobytu – všechno, co jste kdy chtěli vědět o štěstí (ale báli jste se zeptat). Praha: edice APEL, 2010. ISBN 978-80-87417-02-7. GALVASOVÁ, I., CHABIČOVSKÁ, K, Metodologické přístupy ke kartografickému znázornění disparit v krajích, Regionální disparity, 2009, číslo 4, s. 34 – 40. ISBN 978-80-248-1890-0. DANESCU, T., PROZAN, M. DANESCU, A.C. The Risk Management Model for Insuring a Good Corporate Governance. In Proc. WSEAS Conf. On Tourism and Economic Development. Athens: WSEAS Press, 2011, s. 172-177. ISBN 978-1-61804-043-5. HRACH, K., MIHOLA, J. Metodické přístupy ke konstrukci souhrnných ukazatelů. Časopis Statistika, Praha: ČSÚ, 2006, č.5, s. 398 – 418. ISSN 0322-788x. HUČKA, M., KUTSCHERAUER, A.: Metodologická východiska zkoumání regionálních disparit. In XI. Mezinárodní kolokvium o regionálních vědách. Sborník příspěvků z kolokvia konaného v Pavlově 18.-20. června 2008 [CDROM]. Masarykova univerzita, Brno, 2008. s. 8-14. ISBN 978-80-210-4625-2. KAHOUN, J. Ukazatele regionální konkurenceschopnosti v České republice. Working Paper CES VŠEM [online]. 2007, č.5 [cit. 2011-07-22]. Dostupné z: http://www.vsem.cz/data/data/ces-soubory/workingpaper/gf_WPNo507.pdf. KOTÝNKOVÁ, M., KUBELKOVÁ, K. Indikátory lidského rozvoje se zaměřením na chudobu v České republice. Sborník příspěvků Reprodukce lidského kapitálu – Vzájemné vazby a souvislosti III [CD-ROM]. Praha: Oeconomica, 2010. ISBN 978-80-245-1697-4. KŘIVOHLAVÝ, J. Kvalita života. Sborník příspěvků z konference Kvalita života.. Kostelec nad Černými lesy: Institut zdravotní politiky a ekonomiky, 2004. ISBN 80-86625-20-6. KUTSCHERAUER, A. Sledování regionálních rozdílů, Deskripce regionů. Ostrava [online]. 2004 [cit. 2011-05-24]. Dostupné z: http://alkut.cz/download/deskripce_regionu.pdf. MEDERLY, P., TOPERCER, J., NOVÁČEK, P. Indikátory kvality života a udržitelného rozvoje. Praha: CESES Univerzita Karlova, 2004. ISBN 80-239-4389-8. MZe ČR. Úspěšné projekty Programu rozvoje venkova. Praha:Grada Publishing, 2006. 224 s. ISBN 80-247-10145. PAYNE, J. a kol. Kvalita života a zdraví. Praha: Triton, 2005. 630 s. ISBN 80-72546-57-1. POTŮČEK, M. a kol. Průvodce krajinou priorit pro Českou republiku. Praha: CESES, Fakulta sociálních věd Univerzity Karlovy & Gutenberg, 2002. 686 s. ISBN 80-86349-06-3. POTŮČEK, M. Zpráva o lidském rozvoji. Odkud přicházíme, co jsme, kam jdeme? 1. vyd. Praha: MJF, 2003. 123 s. ISBN 80-86284-33-6. Projekt WD-55-07-1 „Regionální disparity v územním rozvoji České republiky - jejich vznik, identifikace a eliminace“. Příjemce Vysoká škola báňská - Technická univerzita Ostrava [online]. 2007–2010 [cit. 2011-07-17]. Dostupné na http://disparity.vsb.cz/.
29
Projekt WD-39-07-1 „Rozvojový interaktivní audit – přístupy k řešení disparit“. Příjemce GaREP, spol. s r.o., Brno [online]. 2007–2011 [cit. 2011-07-17]. Dostupné na http://www.garep.cz/publikace/ria-pristupy-k-resenidisparit.pdf. RYNDA, I. Trvale udržitelný rozvoj. Geografické rozhledy, Praha: České geografické společností s.r.o., 2000, roč. 10, č. 1, s. 10–11. ISSN 1210-3004. SVATOŠOVÁ, L. Methodological starting points of regional development analyses. Agricultural Economics , Praha, 2005, roč. 51, č. 2, s. 64 – 68. ISSN 0139-570X. SYROVÁTKA, M. Jak (ne)měřit kvalitu života. Kritické pohledy na index lidského rozvoje. Mezinárodní vztahy, Praha: ÚMV, 2008, roč. 43, č. 1, s. 9 – 37. ISSN 0323-1844. TVRDÝ, L. Socioekonomické analýzy měst a regionů. Sborník příspěvků Marketingové a socioekonomické analýzy měst a regionů v MSK. Ostrava: VŠB TU Ostrava, Ekonomická fakulta. 2004. s. 3 – 10. ISBN 80-2480583-9. TULEJA, P. Metody měření regionálních disparit v územním rozvoji České republiky. Regionální disparity. Karviná: VŠB TU Ostrava, 2008. ISBN 1802-9450. WOKOUN, R., MATES, P. Management regionální politiky a reforma veřejné správy. Praha: Linde, 2006. ISBN 80-7201-608-3. Základní pojetí konceptu udržitelné rozvoje. Web ministerstva pro místní rozvoj [online]. 2009 [cit. 2011-07-17]. Dostupné z http://psur.mmr.cz/Uvodni-informace-o-udrzitelnem-rozvoji/Zakladni-pojeti-konceptu-udrzitelnehorozvoje. ŽIVĚLOVÁ, I., JÁNSKÝ, J. Metodologické přístupy k hodnocení ekonomické výkonnosti regionu. Sborník příspěvků z konference Účetnictví a reporting udržitelného rozvoje na mikroúrovni a makroúrovni. Praha: Ministerstvo životního prostředí, 2007, s. 215-220. ISBN 978-80-7194-970-1. Datové zdroje Český statistický úřad [databáze online]. [cit. 11. 3. – 5. 8. 2012]. Dostupné z:http://www.czso.cz/ . Eurobarometer. [cit. 11. 3. – 15. 6. 2012]. http://ec.europa.eu/public_opinion/cf/index_en.cfm.
7. PUBLIKACE PŘEDCHÁZEJÍCÍ METODICE HAVLÍČEK, J., DÖMEOVÁ, L., KVASNIČKA, R., JINDROVÁ, A. Interaktivní mapy GIS, Interaktive GIS Maps, Maps, GIS, 2014, BB - Aplikovaná statistika, operační výzkum, D - Specializovaná mapa s odborným obsahem, Moniqua, Součást projektu "MONIQUA" - Grafická reprezentace srovnání kvality života v MAS, Ekonomické ukazatele kvality života na úrovni obce nebo clusterů obcí, C - Výsledek je využíván bez omezení okruhu uživatelů, Hodnocení expertů, 21. 12. 2014. LOHR, V., HYNEK, P., HAVLÍČEK, J., DÖMEOVÁ, L., JINDROVÁ, A., KVASNIČKA, R.,HRADECKÝ, O. Moniqua, MAS, methodology, maps, quality, 2015, JC - Počítačový hardware a software, v.1.0, 2015, http://moniqua.net-mix.cz/, http://moniqua.net-mix.cz/moniqua-sw.zip, Monitorování kvality života v regionech, Provozně ekonomická fakulta, Česká zemědělská univerzita v Praze, Kamýcká 129, 165 21 Praha 6, Česká republika, 60460709, CZ - Česká republika. DÖMEOVÁ, L., JINDROVÁ, A. Quality of Life in the Rural Territories. In APX 2014 11.09.2014, Prague. : CULS Prague, 2014. s. 1-8. DÖMEOVÁ, L., JINDROVÁ, A. Hodnocení Metodiky tvorby veřejných strategií. In: XVI. Mezinárodní kolokvium o regionálních vědách. Masarykova univerzita Brno, 2013. s. 378-383. 30
DÖMEOVÁ, L., JINDROVÁ, A. Rural tourism and its contribution to the development of countryside. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2011, roč. LIX, č. 2, s. 59-64. ISSN: 1211-8516. JINDROVÁ, A., DÖMEOVÁ, L., ZEIPELT, R. PODNIKÁNÍ VE VENKOVSKÉ TURISTICE V ČESKÉ REPUBLICE. Acta Universitatis Bohemiae Meridionales, The Scientific Journal for Economics, Management and Trade, 2010, roč. 3, č. 13, s. 15-24. ISSN: 1212-3285. JINDROVÁ, A., DÖMEOVÁ, L. VÝZNAM STRATEGICKÝCH DOKUMENTŮ PRO REGIONÁLNÍ ROZVOJ. Auspicia, 2013, roč. 2013, č. 2, s. 1-9. ISSN: 1214-4967. JINDROVÁ, A., DÖMEOVÁ, L. Segmentation of rural tourists in the Czech Republic. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2011, roč. LIX, č. 4, s. 117-122. ISSN: 12118516. JINDROVÁ, A., DÖMEOVÁ, L. UTILIZATION OF THE RURAL TOURISM SERVICES IN THE CZECH REPUBLIC. Scientia Agriculturae Bohemica, 2013, roč. 2013, č. 4, s. 256-263. ISSN: 1211-3174. JINDROVÁ, A. – DÖMEOVÁ, L. Segmentation of rural tourists in the Czech Republic. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2011, roč. LIX, č. 4, s. 117-122. ISSN: 1211-8516. JINDROVÁ, A., POLÁČKOVÁ, J. DIMENSIONALITY REDUCTION OF QUALITY OF LIFE INDICATORS. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2012, roč. LX, č. 7/2012, s. 1-7. ISSN: 1211-8516. JINDROVÁ, A., VOSTRÁ VYDROVÁ, H. MODELLING DEPENDENCE INDICATORS OF LABOR MARKET USING ADVANCED STATISTICAL METHODS. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2012, roč. 2012, č. 4, s. 165-172. ISSN: 1211-8516. JINDROVÁ, A. COMPOSITE INDICATOR IN EVALUATION OF THE REGIONAL DISPARITIES IN QUALITY OF LIFE IN THE CZECH REPUBLIC. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2013, roč. LXI, č. 7, s. 2239-2248. ISSN: 1211-8516. POLÁČKOVÁ, J., JINDROVÁ, A. ASSESSMENT OF SUBJECTIVE ASPECTS OF THE QUALITY OF LIFE IN THE VARIOUS REGIONS OF THE CZECH REPUBLIC. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 2011, roč. LIX, č. 7, s. 267-274. ISSN: 1211-8516. VOSTRÁ VYDROVÁ, H., DÖMEOVÁ, L., JINDROVÁ, A. THE POSITION OF REGIONS ACCORDING TO THE SELECTED INDICATORS OF THE LABOUR MARKET. Scientia Agriculturae Bohemica, 2011, roč. 3, č. 42, s. 134-138. ISSN: 1211-3174. VOSTRÁ VYDROVÁ, H., JINDROVÁ, A., DÖMEOVÁ, L. THE POSITION OF THE CR AMONG THE EU STATES BASED ON CHOSEN MEASURES OF THE LISBON STRATEGY. Journal of Competitiveness, 2011, roč. 2011, č. 3, s. 50-57. ISSN: 1804-171X.
31
