Ing. Zuzana Neupauerová, PhD. Katedra financií Národohospodárska fakulta Ekonomická univerzita v Bratislave
Vývoj regionálneho HDP a prognóza miery nezamestnanosti
Cieľom uvedeného príspevku je popísať a charakterizovať vývoj HDP v jednotlivých regiónoch a následne určiť prognózu miery nezamestnanosti na rok 2012 na základe predpokladaného vývoja regionálneho HDP1. Pred samotným prognózovaním je potrebné dokázať existenciu vzájomnej závislosti medzi týmito dvoma premennými, na čo využijeme regresnú a korelačnú analýzu. Na prognózu miery nezamestnanosti na rok 2012 využijeme regresnú analýzu a určenú regresnú priamku. 1.
Vývoj HDP na obyvateľa podľa jednotlivých regiónov
Hrubý domáci produkt (ďalej „HDP“) „možno z vecného hľadiska vymedziť ako súhrn (objem) finálnych statkov a služieb vyrobených a poskytnutých za určité časové obdobie výrobnými faktormi na území danej krajiny, bez ohľadu na ich štátnu príslušnosť“.2 Tvorba hrubého domáceho produktu patrí medzi indikátory ekonomickej výkonnosti regiónov a je najkomplexnejším meradlom celkovej úrovne výroby statkov a služieb v danej krajine. Regionálny HDP je vypočítaný ako súčet pridaných hodnôt za odvetvia v kraji a daní na produkty znížených o subvencie na produkty3. Keďže porovnávané regióny sa vyznačujú rôznym počtom obyvateľov, pri hodnotení disparít medzi nimi je vhodnejšie použiť ukazovateľ HDP na jedného obyvateľa. Regionálny hrubý domáci produkt na obyvateľa je podielom dvoch ukazovateľov4: regionálneho hrubého domáceho produktu (v ktorom sa uplatňuje kritérium zostavovania podľa miesta pracoviska) a priemerného počtu obyvateľstva trvalo bývajúceho v danom regióne (založeného na princípe rezidencie). Vo väčšine regiónov porovnávanie týchto dvoch ukazovateľov založených na rozdielnych princípoch nespôsobuje väčšie problémy. Avšak v regiónoch s vysokou dochádzkou za prácou z okolitých regiónov (najmä regióny hlavných miest) je tento ukazovateľ nadhodnotený. Akademické diskusie v súčasnosti hľadajú cesty k riešeniu vypovedajúcej schopnosti tohto ukazovateľa. Jedným z riešení by mohlo byť nahradenie ukazovateľa priemerný počet trvalo bývajúceho obyvateľstva iným ukazovateľom.
1
Využijeme prognózy Slovenskej akadémie vied. RADVANSKY, M. – DOMONKOS, M.: RegionaldisparitiesunderdifferenttypesofcohesionpolicyCaseof Slovakia [online]. Bratislava: SAV, 2010. [cit.27.10.2012]. Dostupné na internete:
. 2 LISÝ, J. et al. 2007: Ekonómia v novej ekonomike. 2. prepracované a doplnené vydanie. Bratislava:IuraEdition, 2007. s. 344. ISBN 978-80-8078-164-4. 3 ŠÚ SR: Metodika.[online] Bratislava: 2012. [cit.27.10.2012]. Dostupné na internete: . 4 ŠÚ SR: Metodika.[online] Bratislava: 2012. [cit.27.10.2012]. Dostupné na internete: .
Graf č.1: Vývoj HDP na obyvateľa v jednotlivých regiónoch
Zdroj: spracovanie autorka: údaje z databázy regionálnej štatistiky V roku 2001 najvyššiu tvorbu HDP na obyvateľa dosiahol Bratislavský kraj (220 % celoslovenského priemeru). Okrem tohto kraja sa priemernú úroveň podarilo dosiahnuť už len Trnavskému kraju. Ostatné kraje mali podpriemernú tvorbu HDP na obyvateľa. Najnižší bol tento ukazovateľ v Prešovskom kraji, ktorý v roku 2001 dosiahol len 61 % celoslovenského priemeru a 26,5 % úrovne najlepšieho Bratislavského kraja. Prešovský kraj teda výrazne zaostával za ostatnými krajmi. Na predposlednom mieste skončil Žilinský kraj s 81 % celoslovenského priemeru. Tvorba HDP na obyvateľa v jednotlivých regiónoch je výrazne diferencovaná. Ako môžeme vidieť na grafe č.1, postupne sa od roku 2001 do roku 2009 regionálne disparity jednoznačne prehlbovali, o čom svedčí aj Giniho koeficient (tabuľka č.1), ktorého hodnota 0,1901 (2001) vyskočila až na 0,2336 (2009). Tabuľka č.1: Vývoj Giniho koeficientu pre regionálny HDP na obyvateľa (b.c.), NUTSIII 2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
0,1901
0,1902
0,1922
0,1961
0,1997
0,2265
0,2305
0,2310
0,2163
0,2336
Zdroj: spracovanie autorka Charakteristickým znakom vývoja sa stal pokles podielu HDP na obyvateľa na celoslovenskom priemere vo východoslovenských regiónoch a Banskobystrickom regióne. Najvýraznejší prepad zažil Košický kraj, ktorý z 89% celoslovenského priemeru padol až na 77%. Nasleduje ho Banskobystrický kraj, ktorý prekonal prepad z 83% na 72% a zaradil sa tak na predposledné miesto hneď za Prešovský kraj, ktorý je dlhodobo na poslednom mieste. 57%-ný podiel Prešovského kraja na priemere SR je alarmujúcim výsledkom jeho ekonomickej aktivity, schopnosti priťahovať investície a vytvárať pracovné miesta. Aj napriek snahám príslušných ministerstiev a inštitúcií nedochádza k vyrovnávaniu disparít medzi jednotlivými regiónmi, ale naopak sa ešte viac prehlbujú.
Opačným prípadom je Bratislavský kraj, ktorý v roku 2009 dosiahol 245% celoslovenského priemeru. Toto číslo je výsledkom koncentrácie činnosti ekonomických subjektov v regióne hlavného mesta v dôsledku jeho atraktivity a výborných sociálnoekonomických podmienok. No netreba zabúdať ani na možné skreslenie vyplývajúce z metodiky výpočtu porovnávaného ukazovateľa. Ako už bolo spomenuté, HDP na obyvateľa je podielom regionálneho HDP, pri ktorom uplatňujeme kritérium zostavovania podľa miesta pracoviska a priemerného počtu obyvateľstva trvalo bývajúceho v danom regióne. Bratislavský kraj sa vyznačuje vysokou dochádzkou za prácou a práve preto môže byť nami porovnávaný ukazovateľ nadhodnotený. 2.
Vzájomná závislosť medzi výškou HDP a zamestnanosťou
Vzájomnú závislosť medzi výškou vytvoreného HDP a zamestnanosťou potvrdzuje aj samotná ekonomická teória. No ak chceme prognózovať vývoj miery nezamestnanosti na základe predpokladaného vývoja HDP, je nutné existenciu tejto závislosti a jej silu dokázať aj prostredníctvom štatistických metód a analýz. Na posúdenie závislosti medzi dvoma alebo viacerými kvantitatívnymi premennými sa používa regresná a korelačná analýza. Ešte na začiatku je dôležité stanoviť ktorá premenná bude v našej regresnej a korelačnej analýze vystupovať ako závislá Y a ktorá ako nezávislá X. Keďže chceme prognózovať vývoj zamestnanosti na základe vývoja tvorby HDP, závislou (t.j. vysvetľovanou) premennou bude zamestnanosť. Výška HDP bude teda nezávislá (t.j. vysvetľujúca) premenná. Korelačná analýza Hlavnou úlohou korelačnej analýzy je zistiť či závislosť skutočne existuje a v akej sile, alebo či je len zdanlivá. Pomocou korelačnej analýzy teda dokážeme zistiť či zmena vysvetľujúcej premennej skutočne vyvoláva zmeny vysvetľovanej premennej, alebo sú tieto zmeny len výsledkom náhody. Na meranie sily lineárnej závislosti kvantitatívnych premenných používame koeficient korelácie , ktorý vypovedá o sile ale aj o smere lineárnej závislosti. Koeficient korelácie môže nadobúdať hodnoty z intervalu , Ak nadobúda kladné hodnoty, medzi premennými je priama závislosť. Ak nadobúda záporné hodnoty ide o nepriamu závislosť. Ďalej platí, že čím je absolútna hodnota koeficientu korelácie väčšia, tým je závislosť väčšia. Vo všeobecnosti platí: -
0,8 až 1 0,5 až 0,7 = 0 až 0,5 0
→ silná závislosť → stredne silná závislosť → slabá závislosť → premenné X a Y sú navzájom nezávislé
Pri dokazovaní závislosti použijeme hodnoty HDP na obyvateľa pre SR (v stálych cenách s referenčným rokom 2000) a mieru nezamestnanosti v SR, pričom budeme sledovať obdobie od roku 2001 do roku 20095.
5
Analýzu musíme uskutočniť v danom časovom intervale vzhľadom na dostupnosť údajov o vývoji regionálneho HDP (najnovšie úplne revidované hodnoty tohto ukazovateľa pochádzajú z roku 2009).
Tabuľka č.2: Vývoj nezamestnanosti a HDP na obyvateľa v SR Ukazovateľ / Rok
2001 2002 2003 2004 2005 2006 2007 2008 2009
Nezamestnanosť SR v % HDP na obyvateľa SR (s.c. roku 2000 v tis. eur)
19,2
18,5
17,4
18,1
16,2
13,3
11
9,6
12,1
5,99
6,27
6,57
6,91
7,35
7,97
8,79
9,34
8,87
Zdroj: údaje získané zo ŠÚ SR, spracovanie autorka Pod dosadení príslušných hodnôt do vzorca dostávame: = -0,9828. Z hodnoty koeficienta korelácie vyplýva, že medzi výškou HDP na obyvateľa a mierou zamestnanosti je nepriama silná závislosť. Keďže korelačná analýza nám potvrdila existenciu silnej vzájomnej závislosti medzi nami sledovanými premennými, môžeme pristúpiť k samotnej regresnej analýze a následnej prognóze regionálnej nezamestnanosti na základe vopred odhadovanej výšky regionálneho HDP na obyvateľa. Ďalšou mierou tesnosti lineárnej závislosti je koeficient determinácie . Vyjadruje kvalitu daného regresného modelu, pretože hovorí akú časť variability premennej Y daný model vysvetľuje. Koeficient determinácie nadobúda hodnoty z intervalu , pričom 6 hodnoty blízke jednotke značia vysokú kvalitu modelu.
Po dosadení dostávame: 0,966026. Táto hodnota koeficientu determinácie potvrdzuje vysokú kvalitu nášho modelu a hovorí, že až 96,6% variability miery nezamestnanosti sa nám podarilo vysvetliť pomocou vytvoreného lineárneho modelu. Regresná analýza Predstavuje významný nástroj na posúdenie vzťahov medzi premennými. Jej hlavnou úlohou je vysvetliť zmeny sledovanej premennej pri systematických zmenách inej premennej, teda posúdiť kauzálnu závislosť javov. Regresná analýza zahŕňa7: - posúdenie vzťahu dvoch či viacerých premenných - stanovenie formy daného vzťahu a jeho popis prostredníctvom matematickej funkcie - odhad parametrov tejto funkcie a predpoveď budúcich hodnôt jednej premennej pri určitej úrovni inej premennej. V nasledujúcom kroku je potrebné vybrať vhodný regresný model, prostredníctvom ktorého dokážeme popísať funkčný vzťah medzi mierou nezamestnanosti a výškou HDP na obyvateľa.
6
Koeficient determinácie sa najčastejšie interpretuje v percentách. Vyjadruje teda, koľko percent variability premennej Y sa podarilo vysvetliť pomocou daného modelu. 7 SODOMOVÁ, E.:2010. Štatistika pre bakalárov. Bratislava: Vydavateľstvo EKONÓM, 2010. s. 129. ISBN 978-80-225-2923-5.
Môžeme ho vyjadriť nasledovne: Y = f(X) + ɛ Najčastejšie používaným typom je jednoduchý lineárny regresný model, pri ktorom je ako regresná funkcia použitá lineárna funkcia, t.j. priamka Y= + X Jednoduchý lineárny regresný model teda zapíšeme nasledovne: = + + kde: je i-tá hodnota premennej Y je i-tá hodnota premennej X neznáme parametre modelu náhodná zložka v modeli Model vyjadruje skutočnosť, že premenná Y lineárne závisí od premennej X, pričom berie ohľad aj na náhodné chyby. Pre ďalší postup potrebujeme odhadnúť rovnicu priamky, ktorá by matematicky vyjadrovala sledovanú závislosť. Hľadáme teda tzv. vyrovnávajúcu (teoretickú) priamku: = + kde: je teoretická vyrovnaná hodnota , sú odhady neznámych parametrov Na odhad neznámych parametrov regresnej funkcie použijeme metódu najmenších štvorcov:
=
–
i 1 2 3 4 5 6 7 8 9 ∑
19,2 18,5 17,4 18,1 16,2 13,3 11 9,6 12,1 135,4
5,99 6,27 6,57 6,91 7,35 7,97 8,79 9,34 8,87 68,06
115,008 115,995 114,318 125,071 119,07 106,001 96,69 89,664 107,327 989,144
35,8801 39,3129 43,1649 47,7481 54,0225 63,5209 77,2641 87,2356 78,6769 526,826
Po dosadení dostávame túto teoretickú vyrovnávajúcu priamku:
19,5484 18,7463 17,8869 16,9129 15,6524 13,8763 11,5272 9,9516 11,2980 135,4000
-0,348 -0,246 -0,487 1,187 0,548 -0,576 -0,527 -0,352 0,802 0,00
= 36,7080 - 2,8647
Parameter nazývame lokujúca konštanta. Vyjadruje teoretickú hodnotu závislej premennej, kedy nezávislá premenná dosiahne hodnotu 0. V našom prípade dosahuje hodnotu 36,7080, čo znamená, že v prípade ak HDP na obyvateľa dosiahne hodnotu 0, miera nezamestnanosti dosiahne výšku 36,7%8. Regresný koeficient vyjadruje o koľko meracích jednotiek sa v priemere zmení závislá premenná Y (nezamestnanosť), ak sa nezávisle premenná X zmení o jednu meraciu jednotku. Ak sa teda rovná -2,8647, môžeme tvrdiť, že v prípade nárastu HDP na obyvateľa o 1000 € (stále uvažujeme so stálymi cenami s referenčným rokom 2000), dôjde k zníženiu miery nezamestnanosti o 2,86%. 3.
Predikcia hodnôt miery nezamestnanosti
Pri predikcii miery nezamestnanosti pre jednotlivé regióny buďme vychádzať z prognózovaných hodnôt regionálneho HDP na obyvateľa Slovenskou akadémiou vied a vypočítanej regresnej priamky pre každý kraj jednotlivo. Na základe počtu skúmaných dvojíc (n=9), môžeme mieru nezamestnanosti prognózovať najďalej do roku 2012. Okrem prognózy na rok 2012 vypočítame aj hodnoty miery nezamestnanosti na roky 2010 a 2011 a porovnáme ich so skutočne dosiahnutými hodnotami v tomto období. Tabuľka č.3: Regresné funkcie pre jednotlivé regióny NUTS III Kraj
Regresná funkcia
SR Bratislavský kraj Trnavský kraj Trenčiansky kraj Nitriansky kraj Žilinský kraj Banskobystrický kraj
=36,7080 - 2,86471 =15,8059 - 0,5575 =28,9095 - 2,1161 = 24,1928 - 2,2890 = 53,0400 - 5,5381 = 34,8930 - 3,3165 = 42,1814 - 3,3944
-0,9828 -0,9197 -0,9577 -0,9160 -0,9630 -0,9750 -0,7695
0,9660 0,8455 0,9172 0,8387 0,9251 0,9507 0,5844
Prešovský kraj Košický kraj
= 42,69462 - 5,425 = 58,0427 - 5,7979
-0,8824 -0,9250
0,7786 0,8556
Zdroj: vlastné prepočty autorky Tabuľka č.3 zobrazuje regresné funkcie pre jednotlivé regióny NUTS III. Ako vidíme pri regresných funkciách pre jednotlivé regióny nadobúda regresný koeficient výrazne odlišné hodnoty. Táto skutočnosť vyplýva z ich rozdielneho sociálneho a hospodárskeho stavu ekonomiky. Najvýraznejší je rozdiel medzi Bratislavským krajom, kde by nárast HDP na obyvateľa o 1000 eur vyvolal pokles miery nezamestnanosti o 0,55% a Košickým krajom, kde by rovnaký nárast HDP na obyvateľa vyvolal pokles miery nezamestnanosti až o 5,8%. Aj prostredníctvom hodnôt regresných koeficientov teda môžeme demonštrovať úroveň regionálnych disparít. Po dosadení prognózovaných hodnôt regionálneho HDP na obyvateľa do vypočítaných regresných priamok (tabuľka č.3) dostávame bodový odhad nezávislej premennej, t.j. miery nezamestnanosti na konkrétne obdobie.
8
Lokujúca konštanta nemusí mať vždy logickú interpretáciu, ako to je aj v tomto prípade, pretože pri nulovej výške HDP na obyvateľa by bola miera nezamestnanosti 100%.
Tabuľka č.4: Prognóza vývoja miery nezamestnanosti pre jednotlivé regióny NUTS III Kraj / Rok
2009
2010
2010
2011
2011
2012
Bratislavský Trnavský
4,7
6,1
4,14
5,41
4,58
4,25
9,1
12,0
6,92
8,88
5,83
4,83
Trenčiansky
7,3
10,2
5,89
9,95
5,54
4,67
Nitriansky
13,0
15,4
9,72
13,27
8,41
6,72
Žilinský Banskobystrický
10,6 18,8
14,5 18,6
9,19 20,54
11,91 19,83
8,92 20,75
7,82 20,00
Prešovský
16,2
18,6
15,71
18,95
16,32
14,97
Košický
15,5
18,3
15,31
18,76
12,54
12,87
Zdroj: vlastné prepočty autorky Tabuľka č.4 zachytáva nami odhadované hodnoty miery nezamestnanosti na roky 2010 a 2011 a taktiež prognózu na rok 2012 (hrubo zvýraznené hodnoty) a na porovnanie aj skutočne dosiahnuté hodnoty v tomto období. Na základe našej prognózy by najnižšiu mieru nezamestnanosti v roku 2012 dosiahol Bratislavský kraj, a to na úrovni 4,25%. Pozitívny vývoj model predpokladá aj pre Trnavský a Trenčiansky kraj, ktorých hodnoty ba sa mali pohybovať okolo 5%. Podobne aj Nitriansky a Žilinský kraj by si mali polepšiť a posunúť sa na úroveň 7 – 8%. V ekonomicky slabších a zaostalejších krajoch ako je Košický a Prešovský by miera nezamestnanosti mala klesnúť na hodnoty pohybujúce sa okolo 13 – 15%, teda na podobné hodnoty ako dosahovali pred vypuknutím finančnej a hospodárskej krízy. Na poslednom mieste by sa umiestnil Banskobystrický kraj s 20% mierou nezamestnanosti, ktorý v tomto ukazovateli dosahuje najhoršie hodnoty počas celého sledovaného obdobia. Ďalší poznatok, ktorý nám naša prognóza poskytuje, je pokračujúce prehlbovanie rozdielov medzi jednotlivými regiónmi. Viditeľne dochádza k výraznému zaostávaniu regiónov východného a južného Slovenska za regiónmi západného Slovenska, kde miera nezamestnanosti dosahuje oveľa nižšie hodnoty. Ako môžeme vidieť, hodnoty miery nezamestnanosti, ktoré sme vypočítali prostredníctvom regresnej analýzy sú oveľa optimistickejšie ako je skutočný stav. Medzi možné príčiny tejto odchýlky by sme mohli zaradiť: A. optimistická prognóza tvorby regionálneho HDP – ako sme už spomínali v úvode kapitoly, prognózy vývoja HDP sa v súčasnosti prehodnocujú takmer s mesačnou pravidelnosťou. Naše výpočty sa opierajú o najaktuálnejšiu prognózu vývoja regionálneho HDP (SAV), ktorá pochádza z apríla 2010. Od jej publikácie však uplynuli dva roky a priebeh svetovej finančnej a hospodárskej krízy ovplyvnil vývoj ekonomiky SR výraznejšie ako sa očakávalo. Na základe našich výpočtov, by sa miera nezamestnanosti, mala vrátiť do roku 2012 na predkrízové hodnoty, no už dnes môžeme s určitosťou povedať, že k tomu nedôjde. B. trh práce v SR – druhou významnou príčinou je súčasný stav na trhu práce. Zamestnávatelia v obavách o ďalší vývoj hospodárstva neprijímajú nové pracovné sily, a to aj napriek rastúcemu dopytu po ich produktoch a službách. Negatívny dopad na rozhodovanie zamestnávateľov má aj neflexibilný zákonník práce, ktorý poskytuje zamestnancom príliš veľkú ochranu. C. produktivita práce – škrty vo výrobných nákladoch neobišli ani počty zamestnancov. Kým niektoré spoločnosti prepúšťali desiatky až stovky zamestnancov, iné skracovali pracovnú dobu alebo nariaďovali celozávodné dovolenky. Počas tohto obdobia si ale firmy uvedomili, že aj s menším počtom zamestnancov sú schopné produkovať rovnaké množstvo výrobkov ako v predkrízovom období.
ZOZNAM POUŽITEJ LITERATÚRY [1] BAŠOVSKÝ, O. – LAUKO, V. 1990. Úvod do regionálnej geografie. Bratislava: SPN, 1990. 118 s. [2] BELAJOVÁ, A. – FÁZIKOVÁ, M. 2005. Regionálna ekonomika. Nitra: Vydavateľstvo SPU, 2005. 245 s. ISBN 808069513X [3] BLAŽEK, J. – UHLÍŘ, D. 2002. Teorieregionálního rozvoje: nástin, kritika, klasifikace. Praha: Univerzita Karlova v Praze. NakladatelstvíKarolinum, 2002. 211s. ISBN 8024603845 [4] BUČEK, M. 1992. Priestorová ekonomika. 1992. Bratislava: Ekonomická univerzita, 1992. 148 s. ISBN 8022504068 [5] IVANIČKOVÁ, A. 1998. Regionalizácia a priestorová organizácia regionálneho rozvoja. Bratislava: Ekonóm, 1998, 256 s. ISBN 802250937X [6] LISÝ, J. a kol. 2007. Ekonómia v novej ekonomike. Bratislava: IuraEdition, 1998, 630 s. ISBN 978- 80- 8078- 164-4. [7] RADVANSKÝ M., DOMONKOS T.: Hospodársky vývoj v regiónoch SR. Bratislava: SAV, 2010 [8] RADVANSKY, M. – DOMONKOS, M.: RegionaldisparitiesunderdifferenttypesofcohesionpolicyCaseof Slovakia [online]. Bratislava: SAV, 2010. Dostupné na internete: . [9] SODOMOVÁ, E.:2010. Štatistika pre bakalárov. Bratislava: Vydavateľstvo EKONÓM, 2010. ISBN 978-80-225-2923-5. [10] ŠÚ SR: Metodika.[online] Bratislava: 2012. Dostupné na internete:
Kontaktné údaje / ContactData Ing. Zuzana NEUPAUEROVÁ, PhD. Katedra financií Národohospodárska fakulta Ekonomická univerzita Dolnozemská 1, 852 35 Bratislava email: [email protected]
