Reforma bytové politiky v ČR: návrh a výsledky simulací

Rozměr: px
Začít zobrazení ze stránky:

Download "Reforma bytové politiky v ČR: návrh a výsledky simulací"

Transkript

1 Reforma bytové politiky v ČR: návrh a výsledky simulací Ing. Petr Sunega Ing. Robert Jahoda, Ph.D. RNDr. Tomáš Kostelecký, CSc. Ing. Mgr. Martin Lux, Ph.D. PhDr. Karel Báťa Praha 2011

2 Reforma bytové politiky v ČR: návrh a výsledky simulací Autoři: Ing. Petr Sunega Ing. Robert Jahoda, Ph.D. RNDr. Tomáš Kostelecký, CSc. Ing. Mgr. Martin Lux, Ph.D. PhDr. Karel Báťa

3 Tato studie vznikla v rámci projektu Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit podpořeného Ministerstvem pro místní rozvoj pod číslem WD Autorský kolektiv: Petr Sunega (petr.sunega@soc.cas.cz) Robert Jahoda (jahoda@econ.muni.cz) Tomáš Kostelecký (tomas.kostelecky@soc.cas.cz) Martin Lux (martin.lux@soc.cas.cz) Karel Báťa (karel.bata@seznam.cz) Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1, Česká republika Telefon: (+420) Sociologický ústav Akademie věd České republiky, v.v.i., Praha ISBN

4 Obsah Executive summary 5 Úrokový odpočet... 6 Daň z nemovitosti... 7 Sociální bydlení zajišťované obcemi ve stávajícím bytovém fondu... 8 Podpora výstavby sociálního nájemního bydlení... 8 Příspěvek na bydlení... 9 Souhrnná reforma bytové politiky... 9 Úvod Metodologie a data Nové regionální členění cen bytů a nájemného Regionální členění podle výše tržního nájemného Regionální členění podle výše cen bytů v osobním vlastnictví Porovnání průměrných nákladů na bydlení a normativních nákladů na bydlení v nájemních bytech s tržním nájemným v pěti typech území Návrh alternativního nastavení parametrů vybraných nástrojů bytové politiky Úrokový odpočet Metodika analýzy a simulací Výsledky analýzy a simulací Daň z nemovitosti Metodika analýzy a simulací Výsledky analýzy a simulací Sociální bydlení zajišťované obcemi ve stávajícím bytovém fondu Metodika analýzy a simulací Výsledky analýzy a simulací Podpora výstavby sociálního nájemního bydlení Metodika analýzy a simulací Výsledky analýzy a simulací...36 Výpočet maximálních měsíčních nákladů spojených s užíváním bytu při dané dotační podpoře výstavby...38 Zpřesnění definice a odhadu velikosti cílové skupiny...41 Provedení mikrosimulace a vyhodnocení dlouhodobého dopadu programu na domácnosti...43 Anticyklické působení navrženého programu Příspěvek na bydlení Metodika analýzy a simulací Výsledky analýzy a simulací...48 Alternativní stanovení výše normativních nákladů na bydlení pro nájemníky podle nového regionálního členění...48 Alternativní stanovení výše normativních nákladů na bydlení pro nájemníky podle počtu osob v domácnosti...50 Alternativní stanovení výše normativních nákladů na bydlení pro nájemníky v kombinaci regionální třídění a velikost domácnosti...51 Alternativní stanovení výše normativních nákladů na bydlení pro vlastníky a družstevníky...52 Efekty úprav regionálního členění a výše normativních nákladů na bydlení Souhrnné dopady reformy bytové politiky Metodika analýzy a simulací Výsledky analýzy a simulací Závěry a doporučení 66 Literatura 68 3

5 4

6 Executive summary Řada studií poukazuje na to, že stávající bytová politika v České republice podporuje více vlastnické nežli nájemní bydlení. Zvýhodnění vlastníků bydlení se projevuje, například, existencí možnosti uplatnit relativně (při mezinárodním srovnání) velmi štědrý odpočet úroků z přijatých úvěrů na bydlení od základu daně z příjmů fyzických osob, možností využít zvýhodněné úvěry (či dotace) na pořízení vlastnického bydlení pro mladé domácnosti, donedávna štědrou státní prémií ke stavebnímu spoření, faktickým nezdaněním kapitálového výnosu ani implicitního nájemného, extrémně nízkou úrovní daní z nemovitosti a v neposlední řadě i možností vlastníků bydlení získat příspěvek na bydlení. Bytová politika by přitom měla splňovat podmínku neutrálního přístupu k různým právním formám bydlení (tzv. tenure neutrality ), jelikož se ukázalo, že žádná forma právního důvodu bydlení není apriori z pohledu společenského a státu superiorní před druhou. Mimo to, poslední globální ekonomická krize ukázala, že ve státech s vyrovnanějším bytovým systémem, tedy s dostatečnou nabídkou stabilního nájemního bydlení, byly dopady krize na ceny bytů, trh bydlení i trh hypoték mnohem méně dramatické než ve státech upřednostňujících vlastnické bydlení. I z důvodu přednostní orientace na podporu vlastnického bydlení nesplňuje stávající česká bytová politika dostatečně ani požadavek na redistribuci bohatství směrem k sociálně slabším. Ekonomické dotace (například z regulace nájemného nebo privatizace obecních bytů), odpočet úroků z přijatých úvěrů na bydlení od daňového základu, odpouštění daní z kapitálového výnosu, nízká daň z nemovitosti i státní podpora stavebního spoření jsou či byly bohužel nastaveny tak, že spíše podporují či podporovaly příjmově silné a nikoliv příjmově slabší domácnosti, tedy jsou či byly tzv. příjmově regresivní. Dalšími cíli, které by bytová politika měla ze své podstaty naplňovat, jsou flexibilita a anticykličnost opatření. Na trhu s byty, stejně jako na trzích ostatních aktiv, mohou vznikat cenové bubliny tažené ekonomickými fundamenty nepodloženou poptávkou. Nástroje bytové politiky by proto měly být koncipovány tak, aby v období ekonomického růstu spíše tlumily poptávku po vlastnickém bydlení, zatímco v období krize ji naopak stimulovaly. Anticyklické působení nástrojů bytové politiky nejen snižuje volatilitu cenového vývoje bytů, ale také volatilitu vývoje celého hospodářství. Vzhledem k výše uvedeným nedostatkům současné české politiky bydlení navrhujeme její reformu spočívající v alternativním nastavení parametrů vybraných nástrojů bytové politiky takovým způsobem, aby lépe splňovaly následující tři cíle: podporují rovným způsobem různé právní formy bydlení ( tenure neutrality ); redistribuují více bohatství směrem k sociálně potřebným, tedy jsou efektivnější; působí anticyklicky. Tato studie se soustředí na následující nástroje české bytové politiky: úrokový odpočet (možnost odpočtu úroků zaplacených z přijatých úvěrů na bydlení od základu daně z příjmů fyzických osob), daň z nemovitosti, sociální bydlení zajišťované obcemi ve stávajícím bytovém fondu, podpora výstavby sociálního nájemního bydlení pro domácnosti seniorů a příspěvek na bydlení. Na základě podrobné analýzy dostupných dat o českých domácnostech a zmapování současného nastavení vybraných nástrojů bytové politiky včetně testování jejich alternativního nastavení na datech z výzkumu SILC 2009 předkládáme následující návrh reformy vybraných nástrojů bytové politiky: 1. Úplné zrušení úrokového odpočtu zejména s ohledem na jeho implicitně regresivní charakter (podporu příjmově nejsilnějších domácností) a na skutečnost, že nesplňuje požadavek tenure neutrality, protože představuje výhodu, které mohou využít pouze domácnosti vlastníků bydlení splácející hypoteční úvěr. V důsledku toho může vést (a zřejmě i vede) k distorzi na trhu s bydlením ve smyslu větší preference vlastnického bydlení. V neposlední řadě nesplňuje tento nástroj ani požadavek na anticykličnost. 2. Změna konstrukce výpočtu daně z nemovitosti na tzv. valorickou daň, tedy daň, jejíž výše je odvozovaná od tržní hodnoty nemovitosti (či průměrné tržní hodnoty nemovitosti v dané geografické zóně). Vlastní sazba daně je stanovena pro různé zóny odlišně podle principu, že v územích s vyšší cenovou hladinou bytů je sazba daně vyšší, zatímco v územích s nižší cenovou hladinou 5

7 bytů je sazba daně nižší. Sazba daně je navíc nastavena tak, aby došlo ke zdvojnásobení současného výnosu daně z nemovitosti. Toto opatření je doplněno zavedením 50% slevy na dani pro příjmově slabší domácnosti (definované zde pro účely simulací jako domácnosti se záporným reziduálním příjmem, tedy domácnosti, kterým po odečtení výdajů na bydlení zbývá méně než 1,5násobek životního minima). 3. Zavedení podpory sociálního bydlení s využitím existujícího bytového fondu obcí formou slev na nájemném u domácností nájemníků žijících v obecních bytech se záporným reziduálním příjmem. Ačkoliv v této studii nebylo provedeno detailnější zacílení, tato forma podpory by se měla týkat zejména domácností, u kterých nelze objektivně očekávat, že by se mohly v nejbližší budoucnosti zapojit do pracovního procesu: domácností seniorů, domácností s členy s handicapem, matek/ otců s nezletilými dětmi na rodičovské dovolené a podobně. Návrh předpokládá, že obec sníží nájemníkům selektivně nájemné tak, aby domácnost neměla záporný reziduální příjem. Obec přitom zachová hodnotu minimálního nájemného 20 Kč na m 2 měsíčně pro všechny nájemníky, tedy i pro ty, kterým snížení nájemného na 20 Kč za m 2 nepomůže dosáhnout nezáporného reziduálního příjmu. Náklady na toto opatření pro rozpočty obcí jsou kompenzovány z výnosu zvýšené daně z nemovitosti. Zavedení tohoto opatření navíc sníží výdaje státu spojené s příspěvkem na bydlení a výdaje státu v oblasti podpory výstavby nových sociálních nájemních bytů. 4. Alternativní nastavení parametrů programu na podporu výstavby sociálního nájemního bydlení spočívající v poskytování přímé dotace (nevratného grantu) na výstavbu nového nájemního bydlení pro podstatně úžeji definovanou cílovou skupinu, než jak ji definuje současný program SFRB: konkrétně pro domácnosti důchodců s členy nad 70 let, jejichž příjmy po uhrazení nákladů na bydlení jsou nižší než 200 % životního minima. Výstavba státem podporovaných bytů pro seniory by přitom měla probíhat v rámci běžné komerční výstavby, aby došlo k žádoucímu promísení domácností seniorů s ostatními domácnostmi: investorem bytu či několika bytů v rámci konkrétního bytového projektu by sice byla obec či nezisková organizace, ale ostatní byty projektu by byly pronajaty nebo prodány za tržních podmínek. Novým rysem navržené alternativy je také zavedení prvku anticykličnosti spočívající v navrhování objemu finančních prostředků určených pro daný program pro jednotlivé rozpočtové roky v návaznosti na dubnovou predikci vývoje HDP každoročně zpracovávanou Ministerstvem financí podle principu, který zvyšuje objem prostředků určených k podpoře výstavby sociálních bytů v dobách ekonomických problémů a naopak snižuje v dobách konjunktury. 5. Alternativní nastavení příspěvku na bydlení, které vyžaduje změnu normativních nákladů na bydlení ve vzorci pro výpočet příspěvku tak, aby lépe zohledňovaly regionální rozdíly v tržním nájemném a skutečné náklady vlastníků bydlení i nájemníků. Jako nejlepší se ukázala varianta, kdy jsou normativní náklady pro domácnosti nájemníků stanoveny ve výši 90 % průměrných skutečných nákladů na bydlení v novém regionálním členění (s výjimkou venkovských obcí) a normativní náklady pro domácnosti vlastníků a družstevníků zahrnují pouze náklady na energie a další služby spojené s užíváním bydlení. Alternativní nastavení normativních nákladů by rovněž vedlo k větší podpoře domácností nájemníků v porovnání s domácnostmi vlastníků bydlení. Navržené úpravy výše uvedených nástrojů bytové politiky jsou z hlediska veřejných financí úsporné, protože by mohly přinést úsporu ve výši odhadem 3 4 mld. Kč ročně do veřejných rozpočtů. Finanční náklady spojené s reformou nástrojů bytové politiky by nesly zejména příjmově nejsilnější domácnosti a profitovaly z ní především domácnosti patřící do tří dolních příjmových decilových skupin. Opatření zároveň oslabují dnešní výraznou podporu vlastnického bydlení na úkor nájemního bydlení, takže posilují princip tenure neutrality. Některé z navržených úprav mají anticyklické efekty dodatečné fiskální stimuly v dobách ekonomických problémů. Úrokový odpočet Jednou z existujících forem podpory vlastnického bydlení v ČR je možnost odpočtu úroků zaplacených z úvěrů na bydlení (hypotečních úvěrů nebo úvěrů ze stavebního spoření) od základu daně z příjmů fyzických osob. Toto opatření jednoznačně nesplňuje požadavek na tenure neutrality, jelikož poskytuje výhody jen lidem, kteří bydlí ve vlastnickém bydlení. Úrokový odpočet představuje zejména v prvních letech splácení úvěru (kdy ve splátce dominuje úrok, zatímco úmor tvoří jen zanedbatelnou část) v závislosti na výši úvěru a úrokové sazbě nezanedbatelnou částku, o kterou si lze snížit základ daně z příjmů fyzických osob. 6

8 Česká republika patří mezi země s nejvyšší mírou daňových úlev určených na pořízení vlastního bydlení. Modelové výpočty ukazují, že daňová úleva poskytnutá jako nepřímá podpora vlastníkům bytů činí cca 4,6 mld. Kč ročně. Distribuce této daňové úlevy je výrazně nerovnoměrná navzdory zákonnému omezení maximální možné výše daňového odpočtu si téměř polovinu ušetřené celkové částky mezi sebe rozděluje 20 % domácností s nejvyššími příjmy. Daňová úleva v dnešní podobě je tedy nástrojem, který výrazně popírá jeden ze základních cílů efektivní politiky bydlení, totiž zacílení na pomoc sociálně potřebným. Naším alternativním návrhem je proto úrokový odpočet jako opatření bytové politiky úplně zrušit. Dopady takové změny je možno odhadovat jak na úrovni makroekonomické, tak na úrovni jednotlivých domácností. Při zrušení daňového odpočtu by veřejné rozpočty teoreticky získaly 4,6 mld. dodatečného daňového výnosu (pokud by se podařilo zrušit výhodu i pro ty, kteří jej nyní využívají); většinu z této sumy dodatečně vybraných prostředků by zaplatily příjmově nejsilnější domácnosti. Ze zvýšeného daňového výnosu by díky dnešní podobě rozpočtového určení daní získaly obce cca 25 %. Celkem lze odhadovat, že rozpočty obcí by po zrušení možnosti daňového odpočtu vzrostly cca o 1,15 mld. Kč ročně. Náklady na navrhovanou změnu by nesli zhruba ze dvou třetin lidé žijící ve vlastních rodinných domech, ze čtvrtiny lidé žijící v bytech s osobním vlastnictvím a podíleli by se na něm i lidé v družstevních bytech. Nájemníci tuto podporu dnes nemohou čerpat, změna by se jich proto nijak nedotkla. Simulace rovněž prokázaly, že vlivem provedené reformy by nedošlo k téměř žádné změně v počtu domácností, kterým zbude po zaplacení nákladů na bydlení méně než 1,5násobek životního minima (tj. počtu domácností se záporným reziduálním příjmem). Daň z nemovitosti Daň z nemovitosti v ČR je v porovnání se zahraničím velmi nízká spolu se Slovenskem a Mexikem nejnižší ze všech zemí OECD. V ČR činil objem vybrané daně z nemovitosti v roce 2008 jen 0,4 % HDP a daňový výnos představuje jen 1,1 % z celkového objemu vybraných daní. Absence daně z nemovitosti či její velmi nízko nastavená sazba zvýhodňuje vlastníky, protože daň z nemovitosti je jedním z nástrojů, jakým se nepřímo zdaňují kapitálové zisky vlastníků vyplývající z růstu cen jimi vlastněných nemovitostí. Dalším nedostatkem současné konstrukce daně je skutečnost, že je daň z nemovitosti počítána dle koeficientů, které neberou v potaz ani regionální či lokální variabilitu cen bydlení, ani celkový vývoj cen bytů/domů. Cena konkrétní zdaňované nemovitosti se do výše daně z nemovitosti přímo nepromítá. To nevyhovuje požadavku na anticykličnost nástrojů bytové politiky, protože v dobách růstu cen se daň nezvyšuje a naopak v dobách poklesu cen se daň nesnižuje. To neodpovídá ani požadavku na sociální zacílenost nástrojů bytové politiky: dva vlastníci bytů o stejné výměře ve stejné obci platí stejnou daň z nemovitosti bez ohledu na možné významné odlišnosti v ceně bytů. V zemích, ve kterých je výše daně odvozená od ceny zdaňované nemovitosti (tzv. valorická daň), je daň lépe zacílená, protože majitelé dražších nemovitostí platí vyšší daň z nemovitosti. Zároveň působí valorická daň alespoň do určité míry anticyklicky, protože v dobách rychlého růstu cen se rychle zvyšuje, a tlumí tak vysokou poptávku po vlastnickém bydlení. Pro provedení všech analýz a simulací jsme rozhodli, že naším alternativním návrhem k současné podobě daně z nemovitostí je zavedení sazby daně jako procenta z tržní ceny nemovitosti (resp. průměrné ceny nemovitosti v příslušné geografické zóně) s odlišnými sazbami v regionech s různou hladinou cen bytů (podle principu vyšší ceny = vyšší sazba daně). Sazba daně je přitom navržena tak, aby došlo přibližně ke zdvojnásobení jejího celkového výnosu. Opatření je doplněno o 50% slevu na dani u domácnosti se záporným reziduálním příjmem. Celkový výnos veřejných rozpočtů je odhadován na cca 3,1 mld. Kč. Na výnosu námi navrhované alternativy daně z nemovitosti se podílejí relativně více domácnosti žijící v oblastech s vysokými cenami bytů. Změna daně nevede k zásadně odlišné redistribuci podílů výnosu daně z pohledu rozdílných sociálních skupin. Daň stále ve větší míře dopadá na bohatší část společnosti a jen v malé míře na domácnosti příjmově slabší. Zvýšení daně nemá vliv na počty domácností, jejichž reziduální příjem je záporný. 7

9 Sociální bydlení zajišťované obcemi ve stávajícím bytovém fondu Většina obcí má i přes pokračující privatizaci bytového fondu stále ve vlastnictví nezanedbatelné počty bytů, které jsou užívány jako nájemní bydlení. Využití bytového fondu ve vlastnictví obcí pro účely sociálního bydlení je jednou z cest, jak učinit bytovou politiku sociálně cílenější a efektivnější. Po skončení procesu deregulace nájemného dostanou všechny značnou volnost při stanovování výše nájemného. Tato volnost nemusí nutně znamenat jen zvyšování nájemného. S ohledem na sociální funkce, které má plnit existence obecního nájemního bydlení, mohou obce také nájemné snižovat. Toto lze dělat efektivně jenom tehdy, když je nájemné snižováno selektivně jen pro vybrané domácnosti. Navržené opatření spočívá v selektivním snížení nájemného pro domácnosti (stávající nájemníky), jejichž reziduální příjem je záporný (po zaplacení bydlení jim nezbude ani 1,5násobek životního minima na ostatní výdaje), a které bydlí v bytech vlastněných obcemi. Poskytována sleva na nájemném sníží náklady vybraných domácností na bydlení. Sleva na nájemném je zacílena na domácnosti s nejnižšími příjmy. Je však přitom požadováno, aby příjemci takové úlevy platili minimálně nájemné ve výši 20 Kč za m 2 měsíčně, a podíleli se tak na financování alespoň běžných oprav v domě a bytě. Na rozdíl od ostatních navrhovaných změn nejde v tomto případě o změnu na úrovni státu, ale na úrovni jednotlivých obcí. Finanční ztráty pro rozpočty obcí v odhadované výši cca 0,7 mld. Kč ročně jsou plně kompenzovány zvýšením příjmů z námi navržené změny výpočtu a sazeb daně z nemovitosti. Podpora výstavby sociálního nájemního bydlení Zahraniční zkušenosti ukazují, že je v praxi užitečné a efektivnější, aby v rámci bytové politiky nepůsobily jen nástroje podporující poptávku po bydlení (například příspěvek na bydlení), ale i nástroje, které podporují nabídku bydlení (například podpora výstavby nových bytů). Existující program Státního fondu rozvoje bydlení na podporu výstavby nájemních bytů je cílen na domácnosti nižších příjmových kategorií a domácnosti seniorů, ale vzhledem k tomu, jak vysoký podíl domácností splňuje kritéria nároku na byt postavený s podporou nájemního bydlení podle dnešních pravidel, je zřejmé, že stát nemůže mít prostředky na uspokojení ani malé části potenciálních zájemců. Existující program zároveň předpokládá, že podpora bude poskytována formou úrokové dotace, která bude snižovat náklady žadatele na obsluhu úvěru, což nelze považovat za zcela vhodné. Úroková podpora totiž může být nízká, a proto se pouze minimálně promítne do ceny nájmu. Za přispění plánovaných 300 mil. Kč ročně se dá postavit jen cca bytů ročně. Pokud by stát takto podporoval výstavbu nájemních bytů po dobu 10 let, podpoří výstavbu bytů pro 0,5 % důchodců nad 70 let. Z výše zmíněných důvodů jsme navrhli alternativní parametry státní podpory výstavby sociálních nájemních bytů. Alternativní návrh spočívá v přímé dotaci (grantu) poskytovaném na výstavbu nového nájemního bydlení pro podstatně úžeji definovanou cílovou skupinu, než jak ji definuje současný program, konkrétně pro domácnosti důchodců s členy nad 70 let, jejichž příjmy po uhrazení nákladů na bydlení jsou nižší než 200 % životního minima. Oproti dnešnímu programu uvažujeme v našem programu o navýšení prostředků na výstavbu nájemního bydlení na cca 2,4 mld. Kč ročně po dobu následujících 10 let, grantovou podporu výstavby, přísnější definování podmínek pro žadatele o podporu, užší zacílení programu z pohledu cílové skupiny a anticyklické chování podpory v horizontu platnosti programu. Program by měl působit anticyklicky, to znamená, že v době ekonomického růstu (když se růst reálného HDP dostává nad svůj potenciál) by měl program tlumit investiční aktivitu a naopak v době ekonomického poklesu (když se růst reálného HDP dostává pod svůj potenciál) by program měl naopak povzbudit investiční aktivitu. Toho je dosaženo navázáním plánované roční výše výdajů na program na dubnovou Makroekonomickou predikci vývoje HDP v daném roce z pera Ministerstva financí ČR. To zaručí, že investice do programu budou nejvyšší v dobách ekonomického poklesu a naopak nižší v dobách největšího růstu. 8

10 Příspěvek na bydlení Příspěvek na bydlení je standardním nástrojem, který se používá pro pomoc domácnostem, jejichž příjmy nejsou dostatečné pro zajištění adekvátního bydlení. Existující verze příspěvku přiznává nárok vlastníku nebo nájemci bytu, který je v něm hlášen k trvalému pobytu a jeho náklady na bydlení tvoří více než 30 % (35 % v Praze) rozhodného příjmu v rodině a současně těchto 30 % (resp. 35 % v Praze) rozhodného příjmu nepřesahuje výši normativních nákladů na bydlení. Normativní náklady na bydlení zahrnují pro nájemní byty částky nájemného a pro družstevní byty a byty vlastníků obdobné (srovnatelné) náklady. Dále jsou do nich zahrnuty ceny služeb a energií. Normativní náklady na bydlení jsou propočítány na přiměřené velikosti bytů pro daný počet osob v nich trvale bydlících. Přetrvávajícím nedostatkem současné podoby příspěvku na bydlení je skutečnost, že normativní náklady nejsou dostatečně diferencovány podle regionálních rozdílů ve výši (tržního) nájemného. Náš návrh spočívá v alternativním stanovení výše normativních nákladů na bydlení pro domácnosti nájemníků tak, aby respektovaly regionální rozdíly a byly vždy mírně pod úrovní skutečných přiměřených nákladů na bydlení. Nové normativní náklady pro různé velikosti domácností nájemníků byly stanoveny arbitrárně ve výši 90 % průměrných skutečných nákladů pro jednotlivé velikostní kategorie domácností. Nové normativní náklady pro domácnosti žijící v družstevních bytech a bytech v osobním vlastnictví byly stanoveny tak, aby zahrnovaly pouze náklady na energie a služby spojené s užíváním domu/bytu. Z hlediska tenure neutrality je totiž neopodstatněné do normativních nákladů pro vlastníky zahrnovat i imputované nájemné: imputované nájemné vlastníci bydlení fakticky neplatí a splátky hypotečních úvěrů nebo vlastní příspěvky do fondu oprav (resp. vlastní prostředky vložené do rekonstrukce bytů či domů) přímo zvyšují investiční bohatství podporované domácnosti. Změna povede k posílení podílu domácností nájemníků mezi příjemci příspěvku na bydlení, což je žádoucí nejen s ohledem na rostoucí náklady na bydlení této skupiny domácností z důvodu deregulace nájemného, ale i s ohledem na potřebu stabilizace segmentu nájemního bydlení. Opatření je zároveň cílené na podporu příjmově nejslabších domácností. Domácnosti z prvních tří decilů příjmového rozdělení se podílejí na celkovém počtu příjemců z téměř 87 %. O zacílení příspěvku na sociálně potřebné domácnosti svědčí i to, že příspěvek přispívá k redukci podílu domácností, pro něž je (mohlo by se stát) bydlení potenciálně finančně nedostupným: aplikace změn snižuje podíl domácností se záporným reziduálním příjmem. Navržená změna způsobu určování příspěvku na bydlení by negativně zasáhla především rozpočty potenciálních příjemců příspěvku na bydlení v sektoru vlastnického a družstevního bydlení. Na rozpočty domácnosti v nájemním bydlení by měla reforma pozitivní efekt, což posiluje princip tenure neutrality v české bytové politice. Souhrnná reforma bytové politiky Souběžné zavedení všech pěti návrhů na změny nástrojů politiky bydlení by ve svém důsledku vedlo k úsporám prostředků z veřejných rozpočtů vynakládaných na politiku bydlení v celkové výši cca 3,2 mld. Kč ročně (s podmínkou, že by se úrokový odpočet zrušil i pro stávající uživatele). Pro rozpočty domácností by stejné číslo představovalo ztrátu o stejné nominální výši. Náklady reformy by nesly primárně domácnosti s vyššími příjmy a reforma by naopak přinesla prostředky do rozpočtů domácností příjmově slabších. Dopady jednotlivých opatření se ovšem významně liší. Odstranění daňové úlevy u úvěrů na bydlení by přineslo nejvíce peněz do veřejných rozpočtů (cca 4,6 mld. Kč ročně) a způsobilo největší ztráty rozpočtům domácností (v tomto případě všem domácnostem, nejvíce ovšem těm nejbohatším). Obdobně by pro veřejné rozpočty byla výnosem úprava a zvýšení daně z nemovitosti (cca 1,5 mld. Kč), které by se stejně jako v předchozím případě dotkly negativně rozpočtů všech typů domácností (také především bohatších domácností). Úprava parametrů příspěvku na bydlení by přinesla do veřejných rozpočtů relativně nejméně, cca 0,3 mld. Kč. Největším výdajem pro veřejné rozpočty by naopak bylo zavedení podpory výstavby nájemních bytů pro seniory, které by ročně stálo cca 2,4 mld. Kč a profitovaly by z něj výhradně domácnosti seniorů s nižšími příjmy. Méně finančně náročná by byla podpora sociálního bydlení formou slev na nájmu příjmově nejslabším nájemníkům v obecních bytech (cca 0,7 mld. Kč), která by ovšem nejvíce pomohla příjmově nejslabším českým domácnostem. 9

11 Navrhované změny vedou ve svém souhrnu k většímu zacílení (efektivnosti) politiky bydlení směrem k domácnostem s nižšími příjmy a k oslabení podpory vlastnického bydlení. Celkově lze říci, že náklady na reformu ponesou primárně domácnosti, které vlastní rodinný dům, a v menší míře i domácnosti bydlící v bytech v osobním vlastnictví. Je důležité si ovšem všimnout, že domácnosti bydlící v rodinných domech mohou ze změn i profitovat, pokud jde o domácnosti s nižšími příjmy a staršího věku, které mohou být žadateli o přidělení nájemního bytu postaveného za podpory státu. Nejvíce získají domácnosti žijící v nájemních bytech, které budou profitovat ze změny příspěvku na bydlení, z podpory výstavby sociálních nájemních bytů a ze zavedení slev na nájemném pro příjmově slabé nájemníky obecních bytů. 10

12 Úvod Hodnotit bytovou politiku lze podle nejrůznějších kritérií. Existuje řada studií, které se této problematice věnovaly. Například Gibb a Whitehead [Whitehead, Gibb 2007] hodnotí vývoj bytové politiky Velké Británie. Cílem je podle nich nastavit bytovou politiku tak, aby nadměrně nezatěžovala veřejné rozpočty (požadují proto flexibilitu nástrojů bytové politiky z hlediska jejich nastavení a nároků na zdroje veřejných rozpočtů) a aby nástroje bytové politiky byly lépe zacíleny na pomoc těm, kteří ji opravdu potřebují (požadují větší efektivnost nástrojů bytové politiky). 1 Andrews se svými spolupracovníky [Andrews et al. 2011] zkoumají současný stav trhu bydlení a strukturální politiky zemí OECD a definují principy, které by měla bytová politika splňovat. Docházejí k závěru, že by se vlády zemí OECD měly zaměřit na efektivní kombinaci následujících cílů bytové politiky: náprava selhání trhu a regulace externalit; zvýšení efektivity fungování trhu bydlení; redistribuce bohatství směrem k sociálně potřebným domácnostem; zajištění stabilních příjmů (např. z daně z nemovitosti) a výdajů veřejných rozpočtů s ohledem na potenciální ekonomické fluktuace. Na základě výše uvedených obecných cílů a konkrétních zjištění z výzkumů poukazujících na význam nájemního bydlení v bytovém systému České republiky [Hegedüs et al. 2011] se pokusíme v této publikaci prezentovat výsledky snahy autorského kolektivu nově formulovat parametry vybraných nástrojů bytové politiky v ČR způsobem, který by více odpovídal nejnovějším mezinárodním trendům. Jak bylo ukázáno v řadě studií [Lux 2009; Hegedüs et al. 2011], stávající bytová politika v České republice podporuje více vlastnické nežli nájemní bydlení. Zvýhodnění vlastníků bydlení se projevuje, například, existencí možnosti uplatnit odpočet úroků z přijatých úvěrů na bydlení od základu daně z příjmů fyzických osob, možností využít zvýhodněné úvěry (či dotace) na pořízení vlastnického bydlení (včetně státní podpory stavebního spoření) a v neposlední řadě i možností vlastníků bydlení získat příspěvek na bydlení. Bytová politika by přitom měla splňovat podmínku neutrálního přístupu k různým právním formám bydlení (tzv. tenure neutrality ). 2 Dalším cílem bytové politiky by podle Andrewse et al. [2011] měla být redistribuce bohatství směrem k sociálně slabším; i v této oblasti však česká bytová politika zaostává. Ekonomické dotace (například z regulace nájemného nebo privatizace obecních bytů), odpočet úroků z přijatých úvěrů na bydlení od daňového základu, daň z nemovitosti a státní podpora stavebního spoření jsou bohužel nastaveny tak, že spíše podporují příjmově silné a nikoliv příjmově slabší domácnosti, tedy mohou být tzv. příjmově regresivní [Lux et al. 2009]. Dalšími cíli, které by bytové politiky měly naplňovat, jsou flexibilita a anticykličnost, což souvisí s požadavkem na zajištění stability příjmové i výdajové stránky veřejných rozpočtů. Na trhu s byty, stejně jako na trzích ostatních aktiv, mohou vznikat cenové bubliny tažené extrémní poptávkou (vyvolanou zejména nepodloženými cenovými očekáváními). Nástroje bytové politiky by proto měly být koncipovány tak, aby v období ekonomického růstu spíše tlumily poptávku po vlastnickém bydlení, zatímco v období krize ji naopak stimulovaly. Při naší formulaci alternativního nastavení parametrů bytové politiky jsme se proto zaměřili na návrh reformy vybraných nástrojů bytové politiky v ČR tak, aby jednotlivé nástroje bytové politiky lépe splňovaly následující tři cíle: anticykličnost; rovná podpora různých právních forem bydlení ( tenure neutrality ); redistribuce bohatství směrem k sociálně potřebným lepší zacílení (efektivnost). 1 Rozlišení pojmů efektivita a efektivnost a jejich hodnocení v českém prostředí viz Lux et al. [2004], Sunega [2005], Lux [2009]. 2 Haffner [2003] diskutuje měření neutrality vztahu vlastníků a nájemníků. Thalmann [2007] testuje rovnocennost vztahu vlastníku a nájemníků ve Švýcarsku a navrhuje daňová opatření s cílem obnovit neutralitu ve vztahu k právnímu typu bydlení. 11

13 Hlavním cílem této publikace je tak pokusit se najít odpověď na otázku: Jak alternativně nastavit vybrané nástroje české bytové politiky, aby lépe splňovaly výše uvedená kritéria? Základním zdrojem pro výběr nástrojů bytové politiky, které by si zasloužily v rámci takových analýz hlavní pozornost, byla studie Luxe a Sunegy [2007], ve které se autoři zabývají teoretickým i empirickým hodnocením vybraných opatření bytové politiky v ČR. V tomto textu proto budou navrženy potenciální úpravy následujících nástrojů (opatření) bytové politiky: úrokového odpočtu (možnosti odpočtu úroků zaplacených z přijatých úvěrů na bydlení od základu daně z příjmů fyzických osob); daně z nemovitosti; sociálního bydlení zajišťovaného obcemi ve stávajícím obecním bytovém fondu; podpory výstavby sociálního nájemního bydlení; příspěvku na bydlení. V následující kapitole je popsána metodologie a použité datové zdroje. Další kapitola je věnována vytvoření alternativní regionální klasifikace cen a nájmů, která by mohla být použita pro účely nastavení daně z nemovitosti a příspěvku na bydlení. Třetí kapitola je věnována návrhům alternativního nastavení jednotlivých vybraných nástrojů bytové politiky: úrokového odpočtu, daně z nemovitosti, podpory sociálního bydlení zajišťovaného obcemi ve stávajícím bytovém fondu, podpory výstavby sociálního nájemního bydlení a příspěvku na bydlení. Čtvrtá kapitola uvádí hodnocení dopadů alternativního nastavení všech výše uvedených nástrojů bytové politiky za předpokladu, že by byly aplikovány najednou. Závěr přináší shrnutí a doporučení. 12

14 1. Metodologie a data Základním metodologickým přístupem byla kombinace analýzy mikroekonomických dat a makroekonomické analýzy. Prostřednictvím analýzy mikroekonomických dat jsme testovali dopady stávajících opatření bytové politiky, a následně pak i dopady navrhovaných změn v nastavení parametrů nástrojů bytové politiky na příjmovou distribuci domácností a tenure neutrality. Makroekonomická analýza pak spočívala zejména v hodnocení dopadů jednotlivých nástrojů (a jejich alternativního nastavení) na veřejné rozpočty a v provádění odhadu možného působení daného opatření bytové politiky v rámci hospodářského cyklu (ve snaze testovat, zda je jejich působení anticyklické). Požadavek na redistribuci bohatství směrem k sociálně potřebným domácnostem byl testován zejména s využitím příjmového rozdělení domácností, zejména pak v datovém souboru SILC 2009 (podrobněji dále). Domácnosti byly rozděleny podle výše svých celkových čistých příjmů na spotřební jednotku do deseti stejně početně zastoupených skupin (decilů), přičemž v prvním decilu bylo zastoupeno 10 % domácností s nejnižšími příjmy na spotřební jednotku a v posledním (desátém) decilu 10 % domácností s nejvyššími příjmy na spotřební jednotku. Následně bylo testováno, jaké příjmové skupiny nejvíce profitují ze stávajících opatření bytové politiky a prostřednictvím parametrických změn vybraných nástrojů bytové politiky (zmíněných výše) bylo snahou dosáhnout většího přerozdělení příjmů ve prospěch příjmově slabších domácností. Doplňujícími kritérii použitými pro hodnocení změn parametrů vybraných nástrojů bytové politiky byly reziduální příjem 3 a dopady reformy na vybrané typy domácností. Tenure neutrality byla testována z hlediska dopadů vybraných nástrojů bytové politiky na domácnosti v členění podle právního důvodu užívání jejich bydlení (použito bylo jednoduché členění na nájemníky 4 a vlastníky ). 5 Za neutrální v tomto směru bylo považováno takové nastavení nástrojů bytové politiky, které nebylo ve svém konečném důsledku vychýleno ani ve prospěch nájemníků, ani ve prospěch vlastníků bydlení. Při prezentaci výsledků analýz a simulací dopadů potenciálních změn parametrů jednotlivých nástrojů bytových politik je třeba mít na paměti, že mají nutně jistá omezení: 1. Většina diskutovaných nástrojů bytové politiky (v podobě, jak jsou aktuálně nastaveny, i při navrhovaných alternativních modelech nastavení) je cílena na poměrně úzkou skupinu českých domácností. I přes to, že hlavní výběrový soubor ze šetření SILC 2009 použitý pro simulace reformy české bytové politiky čítá téměř 10 tisíc domácností, mohou být dopady dnešních politik i dopady jejich možných alternativ analyzovány pouze na řádově stovkách domácností. Analýzy tohoto typu jsou pak zatíženy větší chybou. 2. I když se snažíme vliv jednotlivých politik spolu vzájemně provázat, nejsme schopni zachytit jejich sekundární a další nezamýšlené dopady (behaviorální dopady). Lze například očekávat, že zrušení úrokového odpočtu vyvolá nižší poptávku po vlastnickém bydlení a vyšší poptávku po nájemním bydlení. Jiným příkladem sekundárního dopadu je situace, kdy zavedení podpory výstavby sociálního nájemního bydlení následně ovlivní i tržní ceny nemovitostí, což ovlivní poptávku po vlastnickém bydlení a může se promítnout do výběru daně z nemovitosti. 3. Všechny simulační modely reformy bytové politiky předpokládají domácnosti typu homo oeconomicus, tedy domácnosti, které se rozhodují na základě ekonomických pobídek. Je přitom všeobecně známo, že finanční stimuly tvoří pouze jeden z faktorů ovlivňujících rozhodování domácností. Reálná domácnost do svého rozhodovacího schématu může zařadit i jiné faktory, jako jsou: citová vazba na dosavadní způsob bydlení, dostupnost regionálního trhu práce, doporučení daná rodinou a známými. 3 Reziduální příjem je definován jako celkový čistý příjem domácnosti po odečtení nákladů na bydlení (ve smyslu zákona o státní sociální podpoře) a 1,5násobku životního minima domácnosti. Záporný reziduální příjem domácnosti tedy znamená, že po úhradě nákladů na bydlení domácnosti nezůstane ani 1,5násobek životního minima k uhrazení výdajů na ostatní potřeby. 4 Za nájemníky byly podle datového souboru z šetření SILC 2009 považovány domácnosti žijící v nájemních bytech nebo pronajímající si byt. 5 Za vlastníky byly podle datového souboru z šetření SILC 2009 považovány domácnosti žijící ve vlastním domě, v bytě v osobním vlastnictví nebo v družstevním bytě. 13

15 4. Simulační modely předpokládají dokonalou informovanost domácností. V praxi se však ne všechny domácnosti o změně parametrů konkrétního nástroje bytové politiky dozvědí. Vzhledem ke skutečnosti, že každý analyzovaný nástroj bytové politiky má svá specifika, podrobnější popis jednotlivých metodických postupů je uveden níže v částech věnovaných analýzám a návrhům změn jednotlivých nástrojů. Pro mikroekonomické analýzy byla použita data z šetření Českého statistického úřadu (ČSÚ) Příjmy a životní podmínky domácností (SILC), které bylo realizováno na jaře roku Data zachycují (jak už napovídá název šetření) informace o způsobu bydlení výběrového vzorku českých domácností v roce 2009 a informace o příjmech domácností za rok Celkový počet domácností v datovém souboru SILC 2009 činil 9911 domácností. Pro účely testování dopadů úrokového odpočtu byla použita rovněž data z šetření Statistiky rodinných účtů (SRÚ) ČSÚ za rok Součástí datového souboru SILC 2009 bohužel není údaj o výši splátek úvěrů na bydlení, který je naopak k dispozici v datech z šetření SRÚ (proto byl k některým analýzám využit i datový soubor SRÚ 2009). Základní soubor SRÚ 2009 obsahoval údaje o 2901 hospodařících domácnostech. 14

16 2. Nové regionální členění cen bytů a nájemného Smyslem analýz prezentovaných v této podkapitole bylo nalézt takové regionální členění podle výše tržního nájemného, resp. cen bytů, které by bylo jednoduché a přitom dostatečně odráželo regionální rozdíly v nájmech a cenách. Následně bylo toto regionální členění použito pro účely testování případných změn (alternativního nastavení) daně z nemovitosti a příspěvku na bydlení v českém prostředí. Nedostatečné regionální členění nákladů na bydlení je totiž jedním z nedostatků stávajícího přípěvku na bydlení: náklady na bydlení jsou pro účely zjištění nároku a výpočtu výše příspěvku členěny pouze podle velikostní kategorie obce (dle počtu obyvatel). To však zdaleka nepostihuje variabilitu nákladů na bydlení v plné míře a je spíše odrazem historického mechanismu deregulace nájemného, která probíhala diferencovaně právě s ohledem na velikost obce. 2.1 Regionální členění podle výše tržního nájemného Při pokusu o regionální klasifikaci tržního nájemného jsme nejdříve zkoumali, zda je možné hovořit o obecné cenové mapě nákladů na nájemní bydlení, která by zahrnovala jak nájemní bydlení v bytech s regulovanými nájmy, tak nájemní byty s tržním nájemným. Z dat SILC 2009 jsme proto nejprve zjistili, jak se liší náklady na bydlení (přepočtené na m 2 celkové plochy bytu) v regulovaném a tržním nájemním bydlení v krajích (graf 1) a okresech (graf 2). Pro srovnání jsme do grafů přidali i informace o nákladech na bydlení vlastníků, zvlášť pro ty, kteří splácejí hypoteční úvěr, a pro ty, kteří hypoteční úvěr nesplácejí. Graf 1: Náklady na bydlení přepočtené na m 2 celkové plochy bytu podle právního důvodu užívání bytu podle krajů (seřazeno sestupně podle nákladů na bydlení v bytech s tržním nájemným) Kč na m Kč na m Praha KV ZL STC OL MRS Vlastníci s hypotečním úvěrem Tržní nájemníci PLZ JC LIB PAR HK VYS Vlastníci bez hypotečního úvěru Regulovaní nájemníci JM UST kraj Zdroj: vlastní výpočty, SILC N = Ačkoliv v roce 2009 již deregulace nájemného značně pokročila, byly náklady na bydlení v bytech s tržním nájemným stále ještě znatelně vyšší než náklady v bytech s regulovaným nájemným. Podstatnější zjištění ovšem je, že v roce 2009 náklady na bydlení v bytech s regulovaným nájemným měly mnohem menší mezikrajskou variabilitu (variační koeficient Vk = 15,7) než náklady na bydlení v by- 15

17 tech s tržním nájemným (Vk = 22,1). Mezi oběma proměnnými je sice vysoká korelace (Pearson R = 0,76), ta je ovšem způsobena vysokými hodnotami jak tržního, tak regulovaného nájemného v Praze. Pokud Prahu vynecháme, a sledujeme jenom souvislost mezi hodnotami tržního a regulovaného nájemného v mimopražských krajích, korelace se blíží nule (při vynechání Prahy Pearson R = 0,05). Pokud se použijí data ze šetření SILC v členění podle jednotlivých okresů, nezávislost mezi prostorovými vzorci nákladů na bydlení v bytech s tržním nájemným na jedné straně a v bytech s regulovaným nájemným na straně druhé je ještě zřetelnější. Je třeba ovšem upozornit, že spolu se zmenšující se jednotkou sledování se zmenšují počty domácností v jednotlivých okresech, o jejichž bydlení máme ze šetření SILC informace výsledkem je velká výběrová chyba a nespolehlivé průměrné hodnoty. Z grafu 2 je nicméně naprosto jasné, že prostorové vzorce nákladů na bydlení v bytech s tržním nájemným a v bytech s regulovaným nájemným jsou velmi odlišné. Graf 2: Náklady na bydlení přepočtené na m 2 celkové plochy bytu podle právního důvodu užívání bytu podle okresů (seřazeno sestupně podle nákladů na bydlení v bytech s tržním nájemným) Kč na m Praha západ Cheb Jablonec nad Nisou Český Krumlov Opava Tachov Jihlava Havlíčkův Brod Vlastníci s hypotečním úvěrem Tržní nájemníci Poznámka: na ose x jsou pro ilustraci uvedeny pouze některé okresy ČR. Zdroj: vlastní výpočty, SILC N = Ústí nad Orlicí Zlín Liberec Kolín Přerov Jičín Most Rakovník Chrudim Vlastníci bez hypotečního úvěru Regulovaní nájemníci Třebíč Náchod Benešov Trutnov Ústí nad Labem Prachatice Jindřichův Hradec Příbram Rokycany okres Regulace nájemného, přinejmenším tak, jak byla praktikována v roce 2009, postrádá ekonomickou logiku tržního nájemného, které se tvoří na trhu, a proto lépe odráží diferencovanou atraktivitu území než nájmy regulované. Na základě výše popsaných zjištění jsme se proto rozhodli, že nebudeme pracovat s náklady na bydlení v regulovaném nájemním sektoru a v dalším textu budeme vycházet pouze z analýz nákladů na bydlení v tržním nájemním sektoru. Ve druhém kroku jsme na základě rozdílů v nákladech na bydlení v bytech s tržním nájemným vytvořili typologii regionálního členění území České republiky. Typologie kombinuje dvě dimenze geografických odlišností. První je dimenze zachycující regionální rozdíly: 14 krajů České republiky. Druhá dimenze zachycuje velikostní a významové rozdíly mezi městy a obcemi v členění: Praha krajská města ostatní města venkovské obce (rozdělení do kategorií vychází z kategorizace obcí provedené ČSÚ). 6 Kombinace těchto dvou dimenzí teoreticky umožňuje odlišit 56 možných kombinací (14 kra- 6 Podle klasifikace ČSÚ byly za venkovské obce považovány všechny obce s velikostí s velikostí do 2000 obyvatel, a dále obce s velikostí do 3000 obyvatel, které mají hustotu zalidnění menší než 150 obyvatel/km 2. Ostatní obce byly považovány za městské obce ty byly dále rozlišeny do tří kategorií podle administrativního statusu [ČSÚ 2009]. 16

18 jů krát 4 kategorie sídel). V praxi je však smysluplné odlišovat jen 39 jednotek, protože město Praha se nevyskytuje v mimopražských krajích; v kraji Praha se zase nevyskytují krajská, ostatní města ani venkovské obce a ve Středočeském kraji není žádné krajské město. Pro každou z 39 teritoriálních jednotek jsme následně vypočítali průměrné tržní nájemné přepočtené na m 2 celkové plochy bytu. Při výpočtu jsme vycházeli z monitoringu nabídkových cen tržního nájemného, který pravidelně uskutečňuje Institut regionálních informací (data pocházela z roku 2009). 7 Údaj za Prahu a krajská města byl přímo převzat z databáze IRI. Výši tržního nájemného v ostatních městech jsme aproximovali průměry za celý kraj. Výši tržního nájemného ve venkovských obcích jsme odhadli odvozením z krajských průměrů v každém kraji jsme ji snížili o tolik procent, o kolik procent byly dle speciálního šetření IRI uskutečněného v roce 2006 v kraji nižší průměrné nabídkové ceny (nikoliv nájmy) nemovitostí ve venkovských obcích oproti příslušným krajským průměrům. Vzhledem ke způsobu výpočtu a možným omezením je nutné považovat takto vypočítané hodnoty výše tržního nájemného ve venkovských obcích za orientační. Nakonec jsme seřadili všech 39 teritoriálních jednotek sestupně dle vypočtené hodnoty nájemného a vynesli je do grafu, ve kterém byla na ose y zobrazena průměrná hodnota tržního nájemného v jednotlivých teritoriálních jednotkách a na ose x byly jednotlivé teritoriální jednotky v pořadí od té s nejvyšší průměrnou hodnotou nájemného k té s nejnižší průměrnou hodnotou nájemného (graf 3). Na základě diskontinuit v empirickém rozložení hodnot jsme nejdříve odlišili sedm zón podle výše nájemného (graf 3, tabulka 1). V tabulce 1 je sedm zón odlišeno popiskem. Graf 3: Sedm zón podle výše tržního nájemného přepočteného na m 2 celkové plochy bytu v roce Kč na m Zdroj: vlastní výpočty, IRI (průměrné hodnoty pro 335 českých obcí). 7 Databáze nabídkových cen dle IRI je vhodnějším zdrojem informací o regionálních rozdílech v cenách tržního bydlení než informace z šetření SILC. IRI shromažďuje informace o cenách na celém území shodnou metodikou, zatímco informace ze šetření SILC jsou uváděny jednotlivými respondenty šetření. 17

19 Tabulka 1: Sedm zón podle výše tržního nájemného přepočteného na m 2 celkové plochy bytu v roce 2009 Praha Krajská města Ostatní města Venkovské obce Praha 155 (I) x x x Středočeský kraj x x 100 (III) 79 (V*) Jihočeský kraj x 94 (IV) 74 (V) 43 (VII) Plzeňský kraj x 99 (III) 84 (V) 61 (VI) Karlovarský kraj x 106 (III) 77 (V) 51 (VII) Ústecký kraj x 90 (IV) 71 (V) 58 (VI) Liberecký kraj x 91 (IV) 80 (V) 53 (VII) Královéhradecký kraj x 100 (III) 76 (V) 48 (VII) Pardubický kraj x 104 (III) 81 (V) 48 (VII) Kraj Vysočina x 94 (IV) 79 (V) 47 (VII) Jihomoravský kraj x 127 (II) 109 (III) 74 (V*) Olomoucký kraj x 98 (III) 80 (V) 48 (VII) Zlínský kraj x 102 (III) 90 (IV) 65 (VI) Moravskoslezský kraj x 106 (III) 93 (IV) 62 (VI) Poznámka: *) Venkovské obce v okresech Praha-východ, Praha-západ a Brno-venkov jsou dle výše tržního nájemného zařazeny třetího typu. Zdroj: vlastní výpočty, IRI (průměrné hodnoty pro 335 českých obcí). Vzhledem k tomu, že jsou hodnoty výše tržního nájemného na m 2 plochy uvedené pro venkovská sídla relativně málo spolehlivé, rozhodli jsme se sloučit zóny 6 a 7. Obdobně jsme sloučili zóny 3 a 4, protože mezi nimi existuje relativně nejmenší rozdíl ve výši tržních nájmů. Výsledkem těchto úprav bylo nakonec rozdělení teritorií do pěti zón podle výše tržního nájemného (viz graf 4 a tabulka 2). V dalších analýzách i při simulacích dopadu změn parametrů nástrojů bytové politiky budeme pracovat s variantou odlišující pět zón. Graf 4: Pět zón podle výše tržního nájemného přepočteného na m 2 celkové plochy bytu v roce Kč na m Zdroj: vlastní výpočty, IRI (průměrné hodnoty pro 335 českých obcí). 18

20 Tabulka 2: Pět zón podle výše tržního nájemného přepočteného na m 2 celkové plochy bytu v roce 2009 Praha Krajská města Ostatní města Venkovské obce Praha 155 (I) x x x Středočeský kraj x x 100 (III) 79 (IV*) Jihočeský kraj x 94 (III) 74 (IV) 43 (V) Plzeňský kraj x 99 (III) 84 (IV) 61 (V) Karlovarský kraj x 106 (III) 77 (IV) 51 (V) Ústecký kraj x 90 (III) 71 (IV) 58 (V) Liberecký kraj x 91 (III) 80 (IV) 53 (V) Královéhradecký kraj x 100 (III) 76 (IV) 48 (V) Pardubický kraj x 104 (III) 81 (IV) 48 (V) Kraj Vysočina x 94 (III) 79 (IV) 47 (V) Jihomoravský kraj x 127 (II) 109 (III) 74 (IV*) Olomoucký kraj x 98 (III) 80 (IV) 48 (V) Zlínský kraj x 102 (III) 90 (III) 65 (V) Moravskoslezský kraj x 106 (III) 93 (III) 62 (V) Poznámka: *) Venkovské obce v okresech Praha-východ, Praha-západ a Brno-venkov jsou dle výše tržního nájemného zařazeny do území třetího typu. Zdroj: vlastní výpočty, IRI (průměrné hodnoty pro 335 českých obcí). 2.2 Regionální členění podle výše cen bytů v osobním vlastnictví Na rozdíl od nájemního bydlení neexistuje v České republice dvojí trh s vlastnickým bydlením, ve kterém by se jednotlivé jeho segmenty lišily způsobem, jakým je stanovována cena bytu při změně majitele. Vedle trhu s byty v osobním vlastnictví existuje i trh s družstevními byty, a také trh s rodinnými domy těmito segmenty se ovšem nezabýváme. Analogickou metodou jako v předchozím případě jsme vytvořili typologii teritoriálních zón, která zachycuje geografické rozdíly v cenách vlastnického bydlení. Výsledkem bylo opět sedmitypové řešení (graf 5). Vzhledem k větší spolehlivosti dat o tržních cenách a větším geografickým rozdílům ve výši cen jsme se nakonec rozhodli v dalších analýzách a simulacích pracovat přímo s touto variantou odlišující sedm zón. Graf 5: Sedm zón podle průměrné výše tržní ceny bytů v osobním vlastnictví přepočtené na m 2 celkové plochy bytu v roce Kč na m Zdroj: vlastní výpočty, IRI (průměrné hodnoty pro 335 českých obcí). 19

21 Tabulka 3: Sedm zón podle průměrné výše tržní ceny bytů v osobním vlastnictví přepočtené na m 2 celkové plochy bytu v roce 2009 Praha Krajská města Ostatní města Venkovské obce Praha (I) x x x Středočeský kraj x x (IV) (V*) Jihočeský kraj x (IV) (V) (VI) Plzeňský kraj x (IV) (V) (V) Karlovarský kraj x (III) (V) (VI) Ústecký kraj x (VI) (VII) 9515 (VII) Liberecký kraj x (IV) (V) (VI) Královéhradecký kraj x (III) (V) (V) Pardubický kraj x (IV) (V) (V) Kraj Vysočina x (V) (V) (VI) Jihomoravský kraj x (II) (IV) (V*) Olomoucký kraj x (IV) (V) (V) Zlínský kraj x (IV) (V) (V) Moravskoslezský kraj x (V) (VI) (VI) Poznámka: *) Venkovské obce v okresech Praha-východ, Praha-západ a Brno-venkov jsou dle výše tržního nájemného zařazeny do území čtvrtého typu. Zdroj: vlastní výpočty, IRI (průměrné hodnoty pro 335 českých obcí). 2.3 Porovnání průměrných nákladů na bydlení a normativních nákladů na bydlení v nájemních bytech s tržním nájemným v pěti typech území S využitím dat ze šetření SILC 2009 jsme vypočítali průměrné náklady na bydlení v každé z pěti zón podle výše nákladů na bydlení v bytech s tržním nájemným (viz rozdělení v grafu 4, resp. tabulce 2). Náklady na bydlení byly definovány stejným způsobem, jako je definuje zákon o státní sociální podpoře (117/1995 Sb., v platném znění) započítávají se tyto položky: čisté nájemné, výdaje za elektřinu, plyn, ústřední topení, vodné a stočné, ostatní služby spojené s obýváním bytu a normativní náklady na další možná paliva pro vytápění. S výjimkou poslední položky jsou všechny částky převzaty přímo ze šetření SILC Poslední položka je stanovena normativně podle zákona o státní sociální podpoře. V grafu 6 jsou tyto skutečné náklady na bydlení zjištěné z šetření SILC porovnány s průměrnými normativními náklady na bydlení spočtenými podle výše citovaného zákona. Smyslem tohoto srovnání bylo zjistit, nakolik se průměrná výše normativních nákladů stanovená zákonem pro účely výpočtu příspěvku na bydlení liší v nově vytvořeném regionálním členění od průměrné výše skutečných nákladů na bydlení. Pokud by totiž normativní náklady na bydlení byly výrazně nižší v porovnání se skutečnými náklady na bydlení, řada domácností by byla vyloučena z efektivní pomoci v podobě příspěvku na bydlení (protože stanovená část jejich rozhodného příjmu přesáhne částku normativních nákladů), resp. bude pobírat nižší příspěvek, než by odpovídalo nákladnosti obce, ve které bydlí. Pokud by naopak normativní náklady na bydlení byly výrazně vyšší v porovnání se skutečnými náklady na bydlení, mohl by v dané obci vznikat tlak na další růst nájemného (inflační tlak), protože minimálně části domácností s nárokem na příspěvek na bydlení by byl růst nájemného hrazen nárůstem příspěvku na bydlení. Z grafu 6 je zřejmé, že u respondentů žijících v obcích spadajících do zón 3 a 4 (krajská města, většina ostatních měst v krajích a venkovské obce ve Středočeském a Jihomoravském kraji) jsou průměrné skutečné náklady na bydlení a normativní náklady velmi blízké. V zóně 5, představované převážně venkovskými obcemi, jsou skutečné náklady nižší než náklady normativní. Naopak v Brně (zóna 2) a zvláště v Praze (zóna 1) jsou skutečné náklady domácností nájemníků zjištěné z šetření SILC vyšší než náklady normativní. Při podrobnějším zkoumání výsledků jsme ovšem zjistili, že zatímco je struktura domácností v obcích různých zón dosti podobná, jednotlivé podskupiny respondentů (dané vytvořeným regionálním členěním) se statisticky významně liší velikostí obývaných bytů. Některé domácnosti měly skutečné náklady na bydlení vysoké alespoň zčásti proto, že obývaly v průměru větší byty než ostatní domácnosti. V posledním kroku jsme proto přepočítali skutečné náklady na bydlení na hypotetické náklady, 20

22 Graf 6: Náklady na bydlení v bytech s tržním nájemným podle pěti regionálních typů (zón) výše tržního nájemného Kč za měsíc Typ I (nejvyšší nájmy) Typ II Typ III Typ IV Typ V (nejnižší nájmy) skutečné náklady dle SILC normativní náklady Zdroj: vlastní výpočty, SILC N = 509. Graf 7: Hypotetické náklady na bydlení v bytech s tržním nájemným za předpokladu, že všechny domácnosti obývají byt přiměřené velikosti podle pěti regionálních typů (zón) výše tržního nájemného Kč za měsíc Typ I (nejvyšší nájmy) Typ II Typ III Typ IV Typ V (nejnižší nájmy) skutečné přiměřené náklady dle SILC normativní náklady Zdroj: vlastní výpočty, SILC N =

23 jaké by domácnosti platily, kdyby obývaly byty přiměřené velikosti, a ve všech obcích by tak velikostní struktura bytů odpovídala velikosti domácností. Při výpočtu těchto přiměřených nákladů na bydlení jsme nejprve z šetření SILC zjistili skutečnou výši nájemného na m 2 plochy bytu pro každou domácnost a získanou částku jsme vynásobili průměrným počtem m 2 bytu přiměřené velikosti, která odpovídala 45 m 2 pro domácnosti s jedním členem, 57 m 2 pro domácnosti se dvěma členy, 68 m 2 pro domácnosti se třemi členy a 75 m 2 pro domácnosti se čtyřmi a více členy. 8 V poslední fázi byly k tomuto hypotetickému nájemnému přičteny skutečné náklady jednotlivých domácností na úhradu služeb spojených s přiměřeným bydlením. Takto vypočtené přiměřené náklady na bydlení byly znovu porovnány s normativními náklady vypočtenými podle zákona. Při zakalkulování přiměřenosti velikosti bydlení zůstávají náklady odlišné od normativních nákladů jen ve dvou zónách: v Praze (zóna 1) jsou stále vyšší než normativní náklady, zatímco ve venkovských obcích většiny krajů (zóna 5) zůstávají i přepočtené náklady nižší než náklady normativní (graf 7). 8 Uvedené hodnoty odpovídají průměrné velikosti bytů obývaných domácnostmi s odpovídajícím počtem členů žijících v nájemních bytech a platících tržní nájemné podle datového souboru SILC

24 3. Návrh alternativního nastavení parametrů vybraných nástrojů bytové politiky Tato kapitola se soustředí na představení návrhů na alternativní nastavení parametrů vybraných nástrojů bytové politiky v České republice. Postupně se zabývá možnými změnami parametrů úrokového odpočtu (možnosti odpočtu úroků zaplacených z přijatých úvěrů na bydlení od základu daně z příjmů fyzických osob), daně z nemovitosti, sociálního bydlení zajišťovaného obcemi ve stávajícím bytovém fondu, podpory výstavby sociálního nájemního bydlení a příspěvku na bydlení. Výsledkem analýz a simulací je návrh na následující reformu v oblasti bytové politiky: Úplné zrušení úrokového odpočtu. Změna současné konstrukce daně z nemovitostí na daň, která je odvozována od tržní ceny nemovitosti (valorická daň), a zdvojnásobení jejího výnosu. Využití bytového fondu ve vlastnictví obcí pro účely sociálního bydlení prostřednictvím selektivního a sociálně cíleného snížení nájemného pro vybrané domácnosti. Zvýšení a lepší zacílení státní podpory výstavby sociálních nájemních bytů určených pro domácnosti důchodců (s členy ve věku nad 70 let). Úprava dosavadního příspěvku na bydlení s cílem zvýšit jeho adresnost prostřednictvím alternativního stanovení výše normativních nákladů lépe odrážejícího skutečné náklady na bydlení v různých regionech a pro různé typy domácností. Při prezentaci analýz a výsledků simulací nás zajímá zejména to, jaké mají navržené změny dopady na veřejné rozpočty, jaké jsou dopady změn na jednotlivé typy domácností (zejména domácnosti s různou výší příjmů) a jak se navrhovaná změna parametrů nástrojů bytové politiky projevuje ve změně počtu domácností, jejichž reziduální příjem je záporný. 3.1 Úrokový odpočet Jednou z existujících forem podpory vlastnického bydlení je možnost odpočtu úroků zaplacených z úvěrů na bydlení (hypotečních úvěrů nebo úvěrů ze stavebního spoření) od základu daně z příjmů fyzických osob. Jedná se o opatření, které v současné podobě jednoznačně nesplňuje požadavek na tenure neutrality formulovaný v úvodu studie, protože se týká jen lidí, kteří bydlí ve vlastnickém bydlení a splácí hypoteční úvěr. Z dnešní zákonné úpravy vyplývá, že tuto podporu (formou úlevy na dani) nemohou čerpat lidé, kteří bydlí v nájemním bydlení, dokonce ani tehdy, pokud splácí nějaký úvěr na pořízení bytu (či domu) do osobního vlastnictví. Využít úrokového odpočtu mohou výhradně domácnosti vlastníků, které splácí přijaté úvěry na pořízení bytu či domu, který obývají. Úrokový odpočet představuje zejména v prvních letech splácení úvěru (kdy ve splátce dominuje úrok, zatímco úmor tvoří jen zanedbatelnou část) v závislosti na výši úvěru a úrokové sazbě nezanedbatelnou částku, o kterou si lze snížit základ daně z příjmů fyzických osob. Existence úrokového odpočtu proto může vést (a zřejmě i vede) k distorzi na trhu bydlení ve smyslu větší preference vlastnického bydlení. Úrokový odpočet je zároveň velmi necílenou podporou; absolutní většinu podpory si odnáší příjmově nejsilnější část české společnosti [Lux et al. 2009]. Z dat ARADu, veřejné databáze, která je součástí informačního servisu České národní banky, vyplývá, že průměrný český občan (včetně dětí a důchodců) se kvůli bydlení zadlužil částkou odpovídající 68,5 tis. Kč. 1 Hypoteční krize v USA poukázala na rizikovost přílišného zadlužování domácností. Ellis [2008] ve své studii tvrdí, že bezprostředním impulsem pro spuštění krize byla rostoucí neschopnost domácností splácet hypoteční úvěry. Jednu z příčin pak vidí v nastavení daňového systému USA, kde lze o zaplacené úroky z hypotečních úvěrů snížit odvod daně za příjmu (podobně jako v ČR). Andrews a Sanchez [2011] provedli mezinárodní srovnání vybraných zemí OECD z hlediska výše daňových úlev. Závěrem jejich studie je mimo jiné i fakt, že Nizozemí a Česká Republika výrazně vedou (a to i oproti USA) v míře daňových úlev určených na pořízení vlastního bydlení. 2 1 V ČR je sice podíl na zadlužení úvěry na bydlení k HDP v porovnání s jinými zeměmi nízký, je však třeba vzít v úvahu potenciální negativní ekonomické dopady současného trendu v zadlužování. 2 Detaily lze nalézt ve studii Johansson [2011]. 23

25 Metodika analýzy a simulací Při analýzách současného stavu a následných simulacích možných dopadů případných změn parametrů úrokových odpočtů jsme použili mikrodata z šetření SILC 2009 evidující, jestli domácnost k získání svého bydlení využila hypoteční úvěr nebo jinou formu úvěru na bydlení. Data bohužel neříkají nic o tom, jaká je efektivní výše daňové úlevy; chybí v nich i informace o celkové splátce úvěru během roku 2008 nebo o úrokových platbách za stejné období. Tyto informace jsou přitom ve vlastním šetření zjišťovány, ČSÚ je však neposkytuje odborné veřejnosti vzhledem k nižší validitě získaných dat. Výši efektivní úlevy na dani z příjmu pro domácnosti jsme proto museli odhadnout. Obecně, pro výši efektivní úlevy domácnosti i platí následující vztah: efektivní úleva i = roční výše úroků i * daňová sazba kde roční výši úroků z úvěru můžeme úspěšně aproximovat: roční výše úroků i = tržní cena i * původní výše hypoi * roční nesplacená výše úvěru i * úroková sazba i tržní cena i původní výše hypo i V datech ze šetření SILC 2009 se nachází pouze informace o vlastním (respondentově) odhadu tržní ceny bytu, kde jeho domácnost bydlí, a údaj o tom, zdali splácí či nikoliv úvěr na bydlení; ostatní údaje, které se v datech šetření SILC nevyskytují, jsme proto museli odhadnout s využitím jiných veřejně dostupných datových zdrojů. O výši úrokové sazby, kterou domácnost z úvěru platí, lze obecně říci, že sazba je negativně korelovaná s výší příjmu domácnosti (tj. domácnosti s vyšším příjmem platí jako bonitnější klienti v průměru nižší úrokovou sazbu); sazba je ovšem odlišná i s ohledem na dobu pořízení úvěru nebo délku fixace. Tyto informace jsme pro jednotlivé domácnosti v datovém souboru neměli, proto jsme se nakonec rozhodli použít pro výpočet efektivní úlevy u všech domácností jednotnou úrokovou sazbu. Vypočítali jsme nejprve vážený průměr Hypoindexu, uváděného pro nově poskytované hypoteční úvěry za roky ( Při simulacích vychází průměrný úrok podle způsobu nastavení vah v rozmezí 4,7 % p.a. až 5,2 % p.a.; pro další simulace jsme proto zvolili hodnotu úrokové sazby ve výši 5 % p.a. Klíčovou hodnotou pro výpočet efektivní úlevy, kterou domácnostem přináší úrokový odpočet, je průměrná výše nesplaceného úvěru za rok 2008, resp. její podíl k tržní ceně. Obecně tato hodnota závisí na výši počáteční hodnoty nemovitosti (v okamžiku, kdy si domácnost bere úvěr), na očekávané délce splácení a na době, po kterou domácnost již úvěr splácí. Ani tyto údaje se v šetření SILC nezjišťují, takže jsme je museli odhadnout. Pro modelování průměrné výše nesplaceného úvěru jsme vyšli ze statistik ČNB, která v systému ARAD eviduje výši úvěrů na bydlení obyvatelstvu celkem. Ke dni (kdy probíhalo šetření SILC) bylo evidováno, že domácnostem ČR byly poskytnuty úvěry na bydlení v celkové výši 622 mld. Kč. V datovém souboru SILC jsme proto namodelovali průměrnou výši nesplaceného úvěru tak, aby jejich suma za všechny domácnosti dávala hodnotu 622 mld. Kč. Dle výše uvedeného vzorce jsme předpokládali, že nesplacená výše úvěru tvoří u každé domácnosti určité procento z tržní ceny. Při odhadu toho, jaké procento z tržní ceny tvoří nesplacená výše úvěru, jsme postupovali dvěma různými způsoby: varianta 1HU nesplacená výše úvěru byla uvažována jako jednotné procento z tržní ceny bytu pro všechny domácnosti v souboru. Abychom dosáhli celkovou úroveň zadluženosti odpovídající výše uvedeným 622 mld. Kč, musíme předpokládat, že každá domácnost splácející hypoteční úvěr má průměrný nesplacený úvěr ve výši 50 % z tržní ceny bytu. varianta 2HU nesplacená výše úvěru byla uvažována jako variabilní procento z tržní ceny bytu pro jednotlivé domácnosti v souboru. Konkrétní hodnota je pro jednotlivé domácnosti odhadnu- 24

26 ta na základě původní výše hypotečního úvěru (vzhledem k tržní ceně) a na délce splácení úvěru. Délka splácení úvěru byla aproximována rozdílem mezi rokem 2009 a rokem, od kdy domácnost ve svém bytě bydlí (tato informace v šetření SILC přítomna je). Protože některé domácnosti bydlí v bytě i více než 20 let a přitom hypoteční úvěr čerpají až nyní (tento případ nastává mimo jiné kvůli privatizaci nájemního bytového fondu), je u všech domácností, které v bytě bydlí více než 11 let a splácejí přitom hypoteční úvěr, výpočet proveden tak, jako kdyby spláceli úvěr 11 let. Relativní výše nesplaceného úvěru je pak u všech domácností vypočtena modelem, který předpokládá úvěr s 5% úrokovou sazbu a 20letou splatností. Výsledky modelového propočtu jsou uvedeny v tabulce 4. Při použití výše popsaných předpokladů jsme došli k závěru, že abychom dosáhli celkovou úroveň zadluženosti odpovídající 622 mld. Kč, musíme předpokládat, že každá domácnost splácející hypoteční úvěr měla původně úvěr na 68,3 % dnešní tržní ceny bytu. Tabulka 4: Odhad výše nesplacené části úvěru vzhledem k původní výši úvěru u domácností vlastníků s hypotečním Doba splácení od získání úvěru úvěrem v souboru ze šetření SILC 2009 Zastoupení v SILC 2009 Výše nesplaceného úvěru vzhledem původní výši úvěru 1 rok 9 % 100 % 2 roky 9 % 97 % 3 roky 7 % 94 % 4 roky 8 % 90 % 5 roky 7 % 86 % 6 roky 5 % 83 % 7 roky 5 % 79 % 8 roky 5 % 74 % 9 roky 3 % 70 % 10 let 3 % 65 % 11+ let 39 % 50 % (odhad) Zdroj: vlastní výpočty, SILC N = Při vlastním odhadu efektivní daňové úlevy pro jednotlivé domácnosti jsme počítali s existující 15% daňovou sazbou daně s příjmu. Obdobně jsme v souladu s momentálně existující právní úpravou omezili maximální výši daňové úlevy pro domácnost na 300 tis. Kč ročně Výsledky analýzy a simulací Tabulka 5 ukazuje výsledky modelového odhadu celkové finanční částky, o kterou je formou úlevy na dani z příjmu snížena daňová povinnost vlastníků bytů, kteří splácejí hypoteční úvěr na jeho pořízení. V tabulce jsou uvedeny výsledky pro obě varianty výpočtů. Tabulka 5: Odhad celkové výše daňové úlevy pro vlastníky bytů splácející úvěr na jejich pořízení a její distribuce podle příjmových skupin domácností (v rozdělení na decily) v mil. Kč, dvě varianty odhadu procenta nesplacené části úvěru Decily podle čistého příjmu domácnosti na spotřební jednotku Celkem Varianta 1HU 140,2 168,6 194,8 249,2 336,6 388,7 595,5 469,8 792,0 1303,3 4638,7 Varianta 2HU 130,2 172,4 166,7 237,5 317,6 385,3 577,1 501,2 805,7 1343,7 4637,5 Zdroj: vlastní výpočty, SILC N =

27 Graf 8: Distribuce celkové výše daňové úlevy do jednotlivých decilových skupin domácností Zdroj: vlastní výpočty, SILC N = Jak ukazují údaje v tabulce 5 i v grafu 8, výsledky získané oběma variantami výpočtů se od sebe téměř neliší. Podle obou variant modelu činí celková daňová úleva poskytnutá jako nepřímá podpora vlastníkům bytů přibližně 4,6 mld. Kč. Distribuce daňové úlevy je výrazně nerovnoměrná: navzdory zákonnému omezení maximální možné výše úrokového odpočtu si téměř polovinu ušetřené celkové částky mezi sebe rozdělují domácnosti v 9. a 10. decilu příjmové distribuce, tedy 20 % domácností s nejvyššími příjmy. Daňová úleva v dnešní podobě je tedy nástrojem, který výrazně popírá jeden ze základních cílů efektivní politiky bydlení, totiž zacílení na pomoc sociálně potřebným. Naším alternativním návrhem je proto úrokový odpočet jako opatření bytové politiky úplně zrušit. Dopady takové změny je možno odhadovat jak na úrovni makroekonomické, tak na úrovni jednotlivých domácností. Při zrušení daňového odpočtu by veřejné rozpočty získaly 4,6 mld. dodatečného daňového výnosu a většinu z této sumy dodatečně vybraných prostředků by zaplatily nejbohatší domácnosti. Zvýšení daní by se však dotklo i příjmově slabých domácností, kterým by ztráty mohly být kompenzovány jinými nástroji sociální a bytové politiky. Ze zvýšeného daňového výnosu by díky dnešní podobě rozpočtového určení daní získaly obce cca 25 % (přesné číslo nejde určit, protože neznáme podíl OSVČ a zaměstnanců mezi dosavadními příjemci této nepřímé podpory). Celkem lze odhadovat, že rozpočty obcí by po zrušení možnosti daňového odpočtu vzrostly cca o 1,15 mld. Kč ročně. V důsledku toho, že rozdíly mezi variantou 1HU a variantou 2HU jsou malé, budeme v závěrečné fázi, kdy modelujeme souhrnný dopad změn všech pěti nástrojů bytové politiky najednou, pracovat pouze s variantou 2HU. Z tabulky 6 je patrno, že náklady na navrhovanou změnu (tj. zrušení úrokového odpočtu) by nesli zhruba ze dvou třetin lidé žijící ve vlastních rodinných domech, ze čtvrtiny lidé žijící v bytech s osobním vlastnictvím a podíleli by se na něm i lidé žijící v družstevních bytech (kteří využívají specifických úvěrů na pořízení družstevního bytu). Nájemníci tuto podporu logicky čerpat nemohou, změna by se jich proto nijak nedotkla. Z hlediska regionálního členění stojí za pozornost, že zrušení úrokového odpočtu by se jen málo dotklo lidí žijících v oblastech s nejnižší úrovní cen bytů (zóny 6 a 7). Protože tento druh nepřímé podpory dosud čerpá jen minimální počet domácností s nízkými příjmy, není nijak překvapivé, že simulace rovněž prokázaly, že vlivem provedené reformy by nedošlo k téměř žádné změně v počtu domácností se záporným reziduálním příjmem. 26

28 Tabulka 6: Distribuce výše daňové úlevy pro domácnosti s různým právním důvodem užívání bydlení a z pohledu regionálního členění Zóny podle výše tržní ceny bytů 1 vlastní dům 2 byt v osobním vlastnictví Právní důvod užívání 4,5,6,7 nájemní, podnájem, služební 3 družstevní byt a ostatní Celkem Zóna I (nejvyšší ceny) 3,5% 8,8% 2,2% 0,0% 14,5% II 2,9% 2,2% 0,8% 0,0% 5,9% III 8,4% 2,1% 0,2% 0,0% 10,7% IV 7,7% 6,4% 1,4% 0,0% 15,5% V 32,0% 5,0% 2,3% 0,0% 39,3% VI 8,6% 1,5% 0,4% 0,0% 10,5% Zóna VII (nejnižší ceny) 2,4% 1,0% 0,1% 0,0% 3,5% Celkem 65,5% 27,0% 7,4% 0,0% 100,0% Poznámka: Právní důvod užívání obydlí 1 vlastní dům, 2 byt v osobním vlastnictví, 3 družstevní byt, 4 nájemní byt, 5 podnájem, 6 služební, domovnický byt, 7 ostatní bezplatné užívání (bydlení u příbuzných). Zdroj: vlastní výpočty, SILC N = Daň z nemovitosti Daň z nemovitosti je v ČR v porovnání se zahraničím velmi nízká. Statistiky OECD uvádějí mezinárodní srovnání výše částek vybraných na dani z nemovitosti v procentech HDP (graf 9). Z grafu je patrné, že podíl objemu vybrané daně z nemovitosti na HDP je v ČR spolu se Slovenskem a Mexikem nejnižší v tomto mezinárodním srovnání (např. ve Velké Británii činil objem vybrané daně z nemovitosti v roce ,2 % HDP, zatímco v ČR pouhé 0,4 %). Výrazné mezinárodní rozdíly jsou patrné rovněž v podílu (v %) na celkovém objemu všech vybraných daní. Zatímco v ČR se daň z nemovitosti na celkovém objemu vybraných daní podílí jen z 1,1 %, v USA či VB je to z více než 10 %. Ze zemí OECD je ČR na posledním místě ve výši daňové zátěže vyplývající z vlastnictví nemovitostí. Graf 9: Mezinárodní srovnání výše daní z nemovitosti (v % HDP roku 2008) Zdroj: OECD. 27

29 Daň z nemovitosti platí vlastníci nemovitostí; na trhu bydlení se tedy přímo dotýká vlastníků rodinných domů a bytů v osobním vlastnictví. Projevuje se ovšem i v nákladech domácností, které bydlí v družstevních bytech, protože daň platí družstvo a jednotliví uživatelé družstevních bytů se na ni skládají. Stejně tak se daň může projevit i v nákladech domácností bydlících v nájemních bytech, protože náklady vlastníka na zaplacení daně z nemovitosti jsou (alespoň do určité míry) zakalkulovány v ceně požadovaného nájemného. Daň z nemovitosti sice úplně neodpovídá požadavku na tenure neutrality, ale není od něho příliš vzdálena. Absence daně z nemovitosti či její velmi nízko nastavená sazba zvýhodňuje vlastníky bydlení, protože daň z nemovitosti je jedním z nástrojů, jak nepřímo zdanit kapitálové zisky vlastníků bydlení vyplývající z růstu (apreciace) cen jimi vlastněných nemovitostí. V České republice je v současné době daň z nemovitosti počítána dle koeficientů, které neberou v potaz regionální (lokální) variabilitu cen bydlení, ani celkový vývoj cen bytů/domů. Cena konkrétní zdaňované nemovitosti se do výše daně z nemovitosti přímo nepromítá. To nevyhovuje požadavku na anticykličnost nástrojů bytové politiky, protože v dobách růstu cen se daň nezvyšuje a naopak v dobách poklesu cen se daň nesnižuje. To neodpovídá ani požadavku na sociální zacílenost nástrojů bytové politiky: dva vlastníci bytů o stejné výměře ve stejné obci platí stejnou daň z nemovitosti bez ohledu na možné významné odlišnosti v ceně bytů. V zemích, ve kterých je výše daně odvozená od ceny zdaňované nemovitosti (tzv. valorická daň), je daň lépe zacílená: majitelé dražších nemovitostí platí vyšší daň z nemovitosti. Zároveň působí valorická daň alespoň do určité míry anticyklicky, protože v dobách rychlého růstu cen se rychle zvyšuje, a tlumí tak vysokou poptávku po vlastnickém bydlení. Cílem této kapitoly je navrhnout takové parametry daně z nemovitosti pro Českou republiku, které by zvětšily celkový výnos daně do veřejných rozpočtů, při dosažení vyšší míry spravedlnosti při nastavení výše daně pro jednotlivé skupiny domácnosti Metodika analýzy a simulací Při analýzách současného stavu a následných simulacích možných dopadů případných změn parametrů daně z nemovitosti jsme opět použili mikrodata z šetření SILC V těchto datech existuje informace o výši daně z nemovitosti, kterou zaplatily konkrétní jednotlivé domácnosti zařazené do šetření. Podrobnější analýza těchto údajů však ukázala, že řada informací o dani z nemovitosti je v datovém souboru neúplných. Rozhodli jsme se proto částky daně z nemovitosti, které platí domácnosti podle dnešní legislativy, namodelovat na základě informací o výměrách bytů a domů, jejich lokalizaci a dnešních sazeb daně z nemovitosti (tento modelový výpočet výše daně z nemovitosti podle dnešních pravidel nazýváme varianta 0DN). Ve druhém kroku jsme vytvořili čtyři odlišné varianty daně, které byly shodně založeny na principu valorické hodnoty daně, kdy vlastník nemovitosti platí daň odvozenou od tržní ceny nemovitosti, ale lišily se konkrétním nastavením parametrů: varianta 1DN sazba daně z nemovitosti byla stanovena jednotně pro celou ČR sazba daně 0,0218 % z ceny nemovitosti; varianta 2DN sazba daně byla nastavena odlišně pro různé zóny dle výše tržní ceny, a to podle principu, že v zónách s vyšší cenovou hladinou bytů je sazba daně vyšší a v zónách s nižší cenovou hladinou bytů je sazba daně nižší (analogicky progresivnímu zdanění daně z příjmů); rozdíly v sazbě mezi různými zónami byly přitom malé, sazba se pohybovala v rozmezí 0,020 0,024 % (varianta 2DN byla zkonstruována tak, aby výnos z výběru daně byl stejný jako u varianty 1DN); varianta 3DN sazba daně byla nastavena odlišně pro různé zóny jako v předchozí variantě, ale rozdíly ve výši sazby mezi různými zónami jsou větší; sazba se pohybovala v rozmezí 0,030 0,060 % (varianta 3DN byla zkonstruována tak, aby výnos z výběru daně byl dvojnásobný oproti variantám 1DN a 2 DN); varianta 4DN sazba daně je stejná jako u varianty 3DN, ale u domácností se záporným reziduálním příjmem se navíc zavádí 50% sleva na dani. Výše jednotlivých sazeb daně z nemovitosti je přehledně uvedena v tabulce 7. 28

30 Tabulka 7: Sazba daně z nemovitosti pro různé modelové varianty výpočtu podle jednotlivých zón Zóny podle výše tržní ceny bytů Zóna I (nejvyšší ceny) Varianta 0DN Varianta 1DN Varianta 2DN Varianta 3DN/4DN 0,0218 % 0,024 % 0,060 % Daň stanovena jako pevná částka na m 2 podlahové plochy bytu s využitím diferenciace podle II 0,0218 % 0,023 % 0,050 % III 0,0218 % 0,022 % 0,040 % IV 0,0218 % 0,021 % 0,040 % V 0,0218 % 0,021 % 0,040 % VI jednotlivých regionů 0,0218 % 0,020 % 0,030 % Zóna VII (nejnižší ceny) 0,0218 % 0,020 % 0,030 % Zdroj: vlastní návrh. Při modelovém odhadu konkrétních částek daně z nemovitosti pro konkrétní byty obývané domácnostmi ze šetření SILC 2009 je nutno nejprve odhadnout tržní cenu bytu. V praxi by pro tento účel měly sloužit podrobné cenové mapy. Z důvodu neexistence spolehlivých a podrobnějších cenových map jsme vycházeli z klasifikace území do 7 regionálních zón podle výše tržních cen a cenu konkrétního bytu odhadli podle vzorce: za vybraný region { tržní cena bytu i = výměra bytu i * průměrná cena bytu na m 2 Daň z nemovitosti v případě i -té domácnosti je určena jako: daň z nemovitosti i = tržní cena bytu i * sazba daně i Při určení průměrné tržní ceny bytu v zóně jsme vycházeli z dat o tržních cenách bytů IRI, které byly použity pro vytvoření zón a které jsou uvedeny výše v tabulce Výsledky analýzy a simulací Tabulka 8 v posledním řádku ukazuje, jaký je celkový výnos daně z nemovitosti, pokud ji vypočítáme přímo podle informací udávaných respondenty v šetření SILC (celkem 1,342 mld. Kč ročně). Jestliže celkový výnos daně odhadneme podle informací o obytné ploše, lokalitě a za použití současných sazeb daně z nemovitosti (varianta 0DN), zvýší se výnos daně na 1,629 mld. Kč ročně). Rozdíl je do značné míry dán tím, že lidé, kteří nejsou vlastníci domů či bytů (tedy nejčastěji nájemníci), v šetření SILC většinou neevidují zaplacení daně z nemovitosti, protože tu platí vlastníci jejich bytů. Použijeme-li valorickou variantu daně se shodnou daňovou sazbou pro celé území České republiky (varianta 1DN), výnos daně se prakticky nezmění (dosahuje 1,632 mld. Kč). Celkový výnos je pak vyšší až u varianty 3DN (celkem 3,207 mld. Kč), která byla konstruována jako valorická se zvýšenou sazbou daně v zónách s vysokými cenami bytů a sníženou sazbou daně v oblastech s nízkými cenami bytů. 3 Tabulka zahrnuje i variantu 4DN, která se od varianty 3DN liší jen tím, že vlastníkům bytů se záporným reziduálním příjmem je přiznána 50% sleva na dani (kvůli této úlevě je celkový výnos daně z nemovitosti o něco nižší a dosahuje 3,112 mld. Kč). Tabulka 8 ovšem ukazuje i to, jak k výnosu daně přispívají domácnosti žijící v různých zónách s odlišnou hladinou cen bytů. Je zřejmé, že zavedení samotného principu valorické daně, tedy daně stanovené procentem z tržní ceny nemovitostí, nezmění nijak zásadně podíl, v jakém přispívají na celkový výnos daně z nemovitosti domácnosti žijící v různých zónách. Teprve když se do modelů zavede princip progresivního růstu daně v oblastech s vyššími cenami bytů (varianty 3DN a 4DN), začnou se domácnosti žijící v oblastech s vysokými cenami bytů podílet na celkovém výnosu daně relativně více. 3 Je třeba si ale zároveň uvědomit, že i případné zdvojnásobení výše daně znamená pro průměrnou českou domácnost zvýšení výdajů na zaplacení daně o cca 30 Kč měsíčně. 29

31 Zóny podle výše tržní ceny bytů Tabulka 8: Výnos daně z nemovitosti podle zón dle výše tržní ceny bytů (absolutně v mil. Kč a relativně v %) současný stav a vybrané varianty nových návrhů Evidovaná daň z nemovitosti v šetření SILC Sloupcová % Modelovaná daň z nemovitosti 2009 varianta 0DN Sloupcová % Modelovaná daň z nemovitosti 2009 varianta 1DN Sloupcová % Modelovaná daň z nemovitosti 2009 varianta 3DN Sloupcová % Modelovaná daň z nemovitosti 2009 varianta 4DN Abs. Abs. Abs. Abs. Abs. Zóna I (nejvyšší ceny) , , , , ,1 II 44 3,3 76 4,7 63 3, , ,5 III 69 5,2 82 5, , , ,7 IV , , , , ,4 V , , , , ,5 VI , , , , ,0 Zóna VII (nejnižší ceny) 78 5, ,6 66 4,1 91 2,8 88 2,8 Celkem , , , , ,0 Zdroj: vlastní výpočty, SILC N = Sloupcová % Tabulka 9 ukazuje, jak se výnos daně z nemovitosti mění v závislosti na použité variantě daně a na právním důvodu užívání bydlení. Tabulka 9: Výnos daně z nemovitosti podle právního důvodu užívání bytu/domu (absolutně v mil. Kč a relativně v %) současný stav a vybrané varianty nových návrhů Evidovaná daň z nemovitosti v šetření SILC Modelovaná daň z nemovitosti 2009 varianta 0DN Modelovaná daň z nemovitosti 2009 varianta 1DN Modelovaná daň z nemovitosti 2009 varianta 3DN Modelovaná daň z nemovitosti 2009 varianta 4DN Právní důvod užívání Sloupcová % Sloupcová % Abs. Abs. Abs. Abs. Abs. 1 vlastní dům , , , , ,4 2 byt osobním vlastnictví , , , , ,3 3 družstevní byt 37 2, , , , ,9 4 nájemní byt 47 3, , , , ,4 5 podnájem 1 0,1 7 0,4 8 0,5 17 0,5 16 0,5 6 služební, domovnický byt 1 0,1 2 0,1 3 0,2 6 0,2 6 0,2 7 ostatní bezplatné užívání 12 0,9 31 1,9 41 2,5 74 2,3 72 2,3 Celkem , , , , ,0 Zdroj: vlastní výpočty, SILC N = Sloupcová % Sloupcová % Sloupcová % Údaje v tabulce ukazují, že zavedením valorické varianty daně z nemovitosti se nijak podstatně nezmění distribuce daňové povinnosti mezi domácnosti s různým právním důvodem užívání bydlení. Předpokládáme, že vlastníci platí 100 % zvýšené částky daně, zatímco nájemníci platí jen 50 % zvýšené částky daně; tj. zvýšená daň z nemovitosti je hrazena vlastníkem bytu, ale je jen z poloviny přenášena do nájemného (vlastníci z důvodu slabé poptávky nemohou promítnout plné zvýšení daně do nájemného). U domácností bydlících ve služebních bytech či v ostatních bytech s bezúplatným užíváním se změna daně v rozpočtu domácnosti neprojeví vůbec. Z tohoto důvodu v tabulkách prezentujících výnos daně (dopad na veřejné rozpočty) je vždy uvažována 100% hodnota daně pro všechny typy bytů (protože vlastníci musí zaplatit daň v plné výši), zatímco v tabulkách ukazujících dopad změn daně na jednotlivé typy domácnosti a jejich rozpočty používáme výše uvedené podíly podle právního důvodu užívání bydlení. Tabulka 10 ukazuje, že zavedení valorického principu při stanovení daně z nemovitosti nevede k zásadně odlišné redistribuci podílů výnosu daně z pohledu rozdílných skupin domácností podle jejich celkových příjmů na spotřební jednotku. Daň stále ve větší míře dopadá na bohatší část společnosti a v menší míře na domácnosti v nejnižších decilových skupinách. Varianta 3DN oproti variantě 1DN znamená nejenom vyšší daňový výnos (pro rozpočty obcí) ale i mírné zvýšení míry progresivity systému. Dalšího zvýšení progresivity systému, ovšem na úkor mírného snížení daňového výnosu, dosáh- 30

32 neme zavedením selektivních úlev na dani pro domácnosti, jejichž reziduální příjem je dnes záporný (varianta 4DN). Tabulka 10: Výnos daně z nemovitosti podle decilových skupin (absolutně v mil. Kč a relativně v %) současný stav a vybrané varianty nových návrhů Evidovaná daň z nemovitosti v šetření SILC Modelovaná daň z nemovitosti 2009 varianta 0DN Modelovaná daň z nemovitosti 2009 varianta 1DN Modelovaná daň z nemovitosti 2009 varianta 3DN Modelovaná daň z nemovitosti 2009 varianta 4DN Příjmový decil domácnosti Sloupcová % Sloupcová % Abs. Abs. Abs. Abs. Abs , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,2 Domácnosti celkem , , , , ,0 Zdroj: vlastní výpočty, SILC N = Sloupcová % Sloupcová % Sloupcová % Po provedení všech analýz a simulací jsme rozhodli, že našim alternativním návrhem k současné podobě daně z nemovitosti bude varianta 4DN, která spočívá v zavedení valorické sazby daně jako procenta z tržní ceny nemovitosti s odlišnými sazbami v zónách s různou hladinou cen bytů (podle principu vyšší ceny = vyšší sazba daně), celkovém zvýšení daně vedoucí přibližně ke zdvojnásobení daňového výnosu, doplněném o 50% slevu na dani pro domácnosti vlastníků se záporným reziduálním příjmem (ponejvíce příjmově slabší domácnosti seniorů-vlastníků). Detailnější informace o dopadu navrhované změny na rozpočty domácností s různou výší příjmů podávají tabulky 11 a 12. Tabulka 11: Dopad navržené varianty daně z nemovitosti v porovnání se současnou situací na rozpočty domácností různých příjmových skupin Dopad navržené varianty daně z nemovitosti v porovnání se současnou situací Příjmový decil domácnosti Relativně vzhledem Roční průměr v Kč k čistým příjmům ,06% ,13% ,13% ,12% ,10% ,09% ,09% ,09% ,09% ,07% Domácnosti celkem ,09% Zdroj: vlastní výpočty, SILC N = I vzhledem k relativně nevýznamnému dopadu na rozpočty domácností (tabulka 11) lze konstatovat, že zdvojnásobení daně nemá vliv na počet domácností, jejichž reziduální příjem je záporný to potvrzuje i tabulka

33 Tabulka 12: Podíl domácností se záporným reziduálním příjmem porovnání dnešního stavu a stavu po zavedení navrhované změny Podíl domácností se záporným reziduálním příjmem Příjmový decil domácnosti Po navrhované změně konstrukce Dnešní stav a sazeb daně z nemovitosti 1 59,5 % 60,1 % 2 8,1 % 8,1 % 3 1,7 % 1,7 % 4 0,5 % 0,5 % 5 0,0 % 0,0 % 6 0,0 % 0,0 % 7 0,3 % 0,3 % 8 0,0 % 0,0 % 9 0,0 % 0,0 % 10 0,0 % 0,0 % Celkem 7,0 % 7,1 % Zdroj: vlastní výpočty, SILC N = Sociální bydlení zajišťované obcemi ve stávajícím bytovém fondu Většina obcí má i přes pokračující privatizaci bytového fondu stále ve vlastnictví nezanedbatelné počty bytů, které jsou užívány jako nájemní bydlení. Využití bytového fondu ve vlastnictví obcí pro účely sociálního bydlení je jednou z cest, jak učinit bytovou politiku zacílenější a efektivnější. S ohledem na sociální funkce, které má plnit existence obecního nájemního bydlení, mohou obce nájemné snižovat. Toto lze dělat efektivně jenom tehdy, když je nájemné snižováno selektivně a cíleně jen pro vybrané domácnosti. Navržená opatření spočívají v selektivním snížení nájemného pro vybrané domácnosti v bytech vlastněných obcemi. Cílem tohoto opatření je snížit náklady na bydlení u příjmově slabších domácností. Tyto domácnosti definujeme jako domácnosti, jejichž reziduální příjem je záporný, tj. po zaplacení svého bydlení jim nezbude ani 1,5násobek životního minima na ostatní výdaje domácnosti. Ačkoliv v této studii nebylo provedeno detailnější zacílení, tato forma podpory by se měla týkat zejména domácností, u kterých nelze objektivně očekávat, že by se mohly zapojit do pracovního procesu: domácností seniorů, domácností s členy s handicapem, matek/otců s nezletilými dětmi na rodičovské dovolené a podobně. Na rozdíl od ostatních navrhovaných změn nejde v tomto případě o změnu na úrovni státu, ale na úrovni jednotlivých obcí Metodika analýzy a simulací Při úvahách o možnosti zavedení slevy na nájemném v obecních bytech pro domácnosti se záporným reziduálním příjmem jsme vycházeli z mikrodat ze šetření SILC V těchto datech existují informace o příjmové situaci a nákladech na bydlení u domácností žijících v obecních bytech, takže je možné zjistit, které domácnosti mají reziduální příjem záporný a následně modelově odhadnout, jaké dopady do veřejných rozpočtů i rozpočtů jednotlivých domácností by přinesla navrhovaná změna politiky. Rozvíjíme dvě varianty možného snížení nájemného: Varianta 1SB vychází z předpokladu, že obec sníží selektivně nájemné tak, aby domácnost neměla záporný reziduální příjem. Pokud není možné snížením nájemného dosáhnout situace, že má domácnost nezáporný reziduální příjem, snižuje se nájemné na 0 Kč za m 2 (obec tedy odpustí celé nájemné, ale jinak nedotuje příjmy domácnosti). Varianta 2SB vychází z předpokladu, že obec sníží selektivně nájemné tak, aby domácnost neměla záporný reziduální příjem. Obec přitom zachová hodnotu minimálního nájemného 20 Kč na m 2 měsíčně pro všechny nájemníky, tedy i pro ty, kterým snížení nájemného na 20 Kč za m 2 nepomůže dosáhnout nezáporného reziduálního příjmu. Nájemné 20 Kč za m 2 je zvoleno jako minimální výše příspěvku do fondu oprav. 32

34 Výsledky analýzy a simulací Tabulka 13 ukazuje strukturu domácností v šetření SILC přepočtenou na populaci České republiky podle toho, kdo je vlastníkem obydlí. Tabulka 13: Struktura domácností v České republice podle vlastníka obydlí Od koho máte svůj byt / část bytu pronajatý? Příjmový decil domácnosti 0 není pronajatý (vlastnické bydlení) 1 od státu, od obce 2 od soukromého majitele 3 od člena bytového družstva 4 od jiného nájemce Celkem Počet Řádková % Počet Řádková % Počet Řádková % Počet Řádková % Počet Řádková % Počet Řádková % , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,0 Celkem , , , , , ,0 Zdroj: vlastní výpočty, SILC N = Asi tři čtvrtiny domácností si bydlení od nikoho nepronajímají a bydlí ve vlastním. Naprostá většina pronajatých bytů je dle vyjádření respondentů pronajatá od státu nebo obce. Protože stát svůj bytový fond ve většině případů převedl na obce, můžeme odhadovat, že obce dnes stále vlastní 1/8 1/10 bytového fondu. Ještě podstatnější je bydlení v obecních bytech pro domácnosti s nejnižšími příjmy: v bytech pronajatých od obce bydlí 24 % domácností první decilové skupiny a i u druhé decilové skupiny je to stále ještě nad 14 % všech domácností v této příjmové skupině. Tabulka 14: Struktura domácností se záporným reziduálním příjmem v České republice podle typu vlastnictví obývaného obydlí Od koho máte svůj byt / část bytu pronajatý? (Jen domácnosti se záporným reziduálním příjmem) Příjmový decil domácnosti 0 není pronajatý (vlastnické bydlení) 1 od státu, od obce 2 od soukromého majitele 3, 4 od člena bytového družstva, jiného nájemce Celkem Počet Řádková % Počet Řádková % Počet Řádková % Počet Řádková % Počet Řádková % ,8 % ,9 % ,4 % ,8 % ,0 % ,1 % ,2 % ,1 % ,7 % ,0 % ,2 % ,1 % ,7 % 0 0,0 % ,0 % ,5 % 0 0,0 % ,5 % 0 0,0 % ,0 % 5 0 0,0 % 0 0,0 % 0 0,0 % 0 0,0 % 0 0 % 6 0 0,0 % 0 0,0 % 0 0,0 % 0 0,0 % 0 0 % 7 0 0,0 % 0 0,0 % ,0 % 0 0,0 % ,0 % Celkem ,0 % ,6 % ,4 % ,1 % ,0 % Poznámka: Mezi domácnostmi v decilových skupinách 8, 9, a 10 nejsou žádné domácnosti se záporným reziduálním příjmem, proto nejsou v tabulce údaje za ně uvedeny. Zdroj: vlastní výpočty, SILC N =

35 Z tabulky 14 je na první pohled zřejmé, že domácnosti s negativním reziduálním příjmem jsou mezi nájemníky výrazně nadreprezentovány. Je však nutné upozornit, že relativně nižší podíl vlastníků se záporným reziduálním příjmem je do jisté míry ovlivněn i tím, že při výpočtu reziduálního příjmu přihlížíme pouze k nákladům evidovaným v šetření SILC a nepřidáváme k nákladům na bydlení další položky, které by přiblížily skutečné dlouhodobé náklady vlastníků k nákladům evidovaným (typicky jde o náklady na údržbu bytu, které jsou u vlastníků jednorázové, a nejsou průběžně rozpouštěny do nájemného, jako je tomu u nájemníků). Tabulka ukazuje, že naprostá většina nájemníků se záporným reziduálním příjmem se nachází v první decilové skupině a v případě, že mají byt pronajatý od obce, je jim možno snížením nájmu selektivně pomoci. V tabulce 15 je vyčíslen dopad slevy na nájemném pro domácnosti se záporným reziduálním příjmem do rozpočtů domácností i do rozpočtů obcí. Tabulka 15: Průměrná roční výše slevy z nájemného na podpořenou domácnost bydlící v obecním nájemním bytě (v Kč) a celková roční dotace za všechny obce v ČR (v mil. Kč a relativně) podle navrhované varianty slevy z nájemného Příjmový decil domácnosti Varianta 1SB (minimální nájemné 0 Kč/m 2 /měsíc) Průměrná sleva na jednu domácnost (Kč) Celková výše dotace za všechny obce v ČR (mil Kč) Celková výše dotace za všechny obce v ČR (mil Kč) Varianta 2SB (minimální nájemné 20 Kč/m 2 /měsíc) Průměrná sleva na jednu domácnost (Kč) Celková výše dotace za všechny obce v ČR (mil Kč) Celková výše dotace za všechny obce v ČR (mil Kč) ,23 90,4 % ,53 83,2 % ,55 8,1 % ,56 14,7 % ,53 1,5 % ,62 2,1 % Celkem ,31 100,0 % ,70 100,0 % Poznámka: Mezi domácnostmi v decilových skupinách 4 až 10 nejsou žádné domácnosti se záporným reziduálním příjmem bydlící v obecním nájemním bytě, proto nejsou v tabulce údaje za ně uvedeny. Zdroj: vlastní výpočty, SILC N = Sleva na nájemném je u obou variant výrazně zacílena na domácnosti s nejnižšími příjmy profitují z ní především domácnosti v nejnižším příjmovém decilu. Je vhodné si povšimnout, že celkové roční náklady na toto opatření v rozpočtech obcí jsou 1,5 mld. Kč (varianta 1SB), resp. dokonce jenom 0,7 mld. Kč (varianta 2SB). Opatření tedy není finančně náročné. Tabulka 16 ukazuje podrobnějším způsobem, jak se v jednotlivých uvažovaných variantách slevy na nájemném mění počet domácností, jejichž reziduální příjem je dnes záporný. Opatření velmi efektivně pomáhá domácnostem se záporným reziduálním příjmem, které jsou ve druhé a třetí decilové skupině. Jak varianta 1SB, tak varianta 2SB, snižují počet sledovaných domácností se záporným reziduálním příjmem téměř k nule. V případě první decilové skupiny vidíme radikální redukci v absolutním počtu takto postižených domácností. Tabulka zároveň ukazuje, že ani snížení nájemného na 0 Kč na m 2 nemusí u všech domácností v první decilové skupině vést ke zvýšení reziduálního příjmu k nezáporným hodnotám. Příjem 50 % z domácností v první decilové skupině je tak malý, že jim nezajistí příjem přesahující 1,5násobek životního minima ani v případě, že nemusí platit vůbec žádné nájemné. U varianty 2SB, která předpokládá, že každá domácnost musí platit minimálně nájemné ve výši 20 Kč za m 2 měsíčně, je podíl takových domácností 62 %. Po zvážení možných pro a proti jsme se nakonec rozhodli za náš alternativní návrh vybrat variantu 2SB, ve které je domácnostem se záporným reziduálním příjmem poskytována sleva na nájemném, ale je požadováno, aby příjemci takové úlevy platili minimálně nájemné ve výši 20 Kč za m 2 měsíčně, a podíleli se tak na financování alespoň běžných oprav. Důvodem pro naše rozhodnutí bylo i celkové snížení nákladů na toto opatření v rozpočtech obcí, které by mělo být plně kompenzováno navrhovaným zvýšeným výběrem daně z nemovitosti. 34

36 Tabulka 16: Průměrná roční výše slevy z nájemného na podpořenou domácnost bydlící v obecních bytech Za byty v obecním vlastnictví Celkem ČR Reziduální příjem dnes Reziduální příjem varianta 1SB Reziduální příjem varianta 2SB Decil kladný záporný celkem kladný záporný celkem kladný záporný celkem Celkem Celkem Počet Řádková % 28 % 72 % 100 % 50 % 50 % 100 % 38 % 62 % 100 % Počet Řádková % 84 % 16 % 100 % 99 % 1 % 100 % 98 % 2 % 100 % Počet Řádková % 95 % 5 % 100 % 99 % 1 % 100 % 99 % 1 % 100 % Počet Řádková % 100 % 0 % 100 % 100 % 0 % 100 % 100 % 0 % 100 % Počet Řádková % 84 % 16 % 100 % 90 % 10 % 100 % 87 % 13 % 100 % Počet Řádková % 93 % 7 % 100 % 94 % 6 % 100 % 93 % 7 % 100 % Zdroj: vlastní výpočty, SILC N = Po zvážení možných pro a proti jsme se nakonec rozhodli za náš alternativní návrh vybrat variantu 2SB, ve které je domácnostem se záporným reziduálním příjmem poskytována sleva na nájemném, ale je požadováno, aby příjemci takové úlevy platili minimálně nájemné ve výši 20 Kč za m 2 měsíčně, a podíleli se tak na financování alespoň běžných oprav. Důvodem pro naše rozhodnutí bylo i celkové snížení nákladů na toto opatření v rozpočtech obcí, které by mělo být plně kompenzováno navrhovaným zvýšeným výběrem daně z nemovitosti. 3.4 Podpora výstavby sociálního nájemního bydlení Zahraniční zkušenosti ukazují, že ačkoliv hlavním trendem posledních desetiletí bylo spíše snižování podpory na cihlu (výstavby sociálních bytů) a naopak zvyšování podpory na hlavu (příspěvku na bydlení), je v praxi užitečné i efektivnější, aby bytová politika byla vyvážená a obě formy podpory vedle sebe koexistovaly [Lux et al. 2004]. V České republice existuje v současné době program podpory výstavby nájemních bytů financovaný z prostředků Státního fondu rozvoje bydlení, který zahrnuje poskytování zvýhodněných úvěrů na výstavbu nájemních bytů. Na rozdíl od dřívějších programů podpory výstavby nájemních bytů (např. tzv. programu platného ve zneužitelné podobě mezi roky 1995 a 2002) je současný program více zacílený; i když stále umožňuje získání úvěru i na výstavbu nájemních bytů pro kohokoliv a výše nájemného u takto státem podporovaných bytů není žádným způsobem omezena (je tedy otázkou, jaká bude jeho skutečná aplikace v praxi). 5 nařízení vlády č. 284/2011 Sb., o použití finančních prostředků Státního fondu rozvoje bydlení, specifikuje cílovou skupinu programu, s níž může příjemce úvěru uzavřít nájemní smlouvu k nájemnímu bytu, aby měl nárok na výhodnější podmínky úvěru. 4 To lze: s fyzickou osobou, která prokáže, že průměrný čistý měsíční příjem osob, které budou užívat byt, v období 12 kalendářních měsíců před uzavřením nájemní smlouvy nepřesáhl limit stanovený v 5 odst. 5, který je: a) 0,8násobek průměrné mzdy, jedná-li se o jednočlennou domácnost, b) průměrnou mzdu, jedná-li se o domácnost se 2 členy, c) 1,2násobek průměrné mzdy, jedná-li se o domácnost se 3 členy, d) 1,5násobek průměrné mzdy, jedná-li se o domácnost se 4 členy, e) 1,8násobek průměrné mzdy, jedná-li se o domácnost s 5 a více členy. b) s fyzickou osobou, která je starší 70 let. 4 Příjemce podpory z programu SFRB může uzavřít nájemní smlouvu s kteroukoliv domácností, ale výhodnější podmínky získá pouze tehdy, pokud nájemník splňuje uvedená sociální kritéria. 35

37 Část programu podpory výstavby nájemních bytů, kde je také uplatňováno větší úrokové zvýhodnění státního úvěru, je tedy zřetelně cílena na domácnosti nižších příjmových kategorií a domácnosti seniorů. V následující části kapitoly nejprve analyzujeme jeho potenciální fungování, a poté se pokusíme navrhnout jeho modifikaci, která by lépe odpovídala kritériím, které na reformu bytové politiky aplikujeme v této studii Metodika analýzy a simulací Při úvahách o možnosti zavedení programu podpory výstavby sociálního nájemního bydlení v ČR jsme opět vycházeli z mikrodat ze šetření SILC V těchto datech existují informace o příjmové situaci a věkovém složení domácností, takže je můžeme použít k odhadu potenciálního počtu domácností splňujících kritéria dnešního existujícího programu podpory výstavby nájemních bytů. Na datech ze šetření SILC jsme také mohli simulovat dopady námi navrženého programu podpory výstavby sociálního nájemního bydlení, který se od existujícího programu liší: poskytováním přímé dotace na výstavbu (grantu, na rozdíl od kvalifikovaného úvěru) a větší zacíleností (je určen pouze pro domácnosti osob starších 70 let s nižšími příjmy a nájemné v takových sociálních bytech je regulováno na finančně dostupné úrovni). Potenciální dopady jsme simulovali ve dvou variantách: Varianta 1NB platí za situace, kdy obec neposkytuje sociální bydlení s využitím svého bytového fondu; Varianta 2NB platí za situace, kdy obec poskytuje sociální bydlení s využitím svého bytového fondu. V této variantě jsou z žadatelů vyloučeni ti, kterým obec selektivně snížila nájemné Výsledky analýzy a simulací Nejprve jsme důkladně analyzovali potenciální fungování dnešního programu pro podporu výstavby nájemních bytů. V prvním kroku jsme na základě analýzy dat z šetření SILC odhadli, kolik domácností má teoreticky nárok na to stát se nájemníkem v bytě postaveném s podporou stávajícího programu. Výpočty ukazují, že z celkového počtu cca 4,11 milionu domácností splňuje kritéria programu celých 2,19 milionu, což je 53,2 % z nich. Druhé z uvedených kritérií, tedy kritérium 70 a více let věku, splňuje 0,71 milionu domácností, tedy 17,4 % ze všech domácností. V praxi se však obě skupiny domácností překrývají, takže ve výsledku kritériím programu vyhovuje přibližně 2,27 milionu domácností, což je přibližně 55 % všech domácností (tabulka 17). Tabulka 17: Nárok domácností na byt postavený za podpory nájemního bydlení podle existujícího programu SFRB Domácnost má nárok na byt z podpory nájemního bydlení z titulu nízkých příjmů (podmínka programu) Domácnost má nárok na byt z podpory nájemního bydlení z titulu věku žadatele (podmínka programu) nemá nárok (mladší 70 let) má nárok (70 let a více) Celkem Počet Počet Počet NE ANO Celkem Poznámka: Domácnosti splňující kritéria zařazení do programu jsou vyznačeny tučně. Zdroj: vlastní výpočty, SILC N = Vzhledem k tomu, jak vysoký podíl domácností splňuje kritéria nároku na byt postavený se státní podporou podle existujících pravidel, je zřejmé, že stát nemůže mít prostředky na uspokojení ani malé části oprávněných zájemců (otázkou samozřejmě je, jak vysoké bude nájemné v podporovaných bytech, jelikož teprve výše nájemného vytvoří motivovanou poptávku od oprávněných domácností). I když mnohé oprávněné domácnosti mohou mít již vlastní bydlení, program nezakazuje situaci, kdy domácnost vlastní bydlení pronajme za tržní nájemné a požádá o získání zvýhodněného nájemního bydlení postaveného se státní podporou. Podpora tak bude moci být poskytována jen velmi omezenému počtu potenciálních žadatelů. 36

38 Existující program zároveň předpokládá, že podpora bude poskytována formou úrokové dotace, která bude snižovat náklady žadatele na obsluhu úvěru. Úroková podpora se liší podle formy žadatele a podle charakteristiky osoby, se kterou bude uzavírána nájemní smlouva. Záleží i na tom, jestli o podporu z programu žádá obec nebo soukromý subjekt. Domníváme se, že současnou podobu programu lze charakterizovat jako ne zcela vhodnou z následujících důvodů: 1) Program, v jehož rámci si obec od SFRB půjčí na 2% úrok a komerční subjekt na 4 8% úrok, nezlevňuje dostatečně cenu komerční výstavby nájemního bydlení (vzhledem k aktuálně nízkým úrokovým sazbám na trhu; tato situace se však může změnit). Úvěr od státu může být sice pro soukromého investora atraktivnější než úvěr od komerční banky, avšak z jiného důvodu než z důvodu úrokového zvýhodnění úvěru. Nízká úroková podpora státu se tak jen minimálně promítne do výše nájemného. 2) Program dnes dává jistotu splatnosti úvěru ve výši 30 let ( 11). Velké subjekty jsou ale rovněž schopny dlouhodobost splatnosti úvěru dosáhnout na finančním trhu. 3) Z plánovaných 300 mil. Kč ročně určených pro poskytování zvýhodněných úvěrů se dá postavit cca bytů ročně. Pokud by stát takto podporoval výstavbu nájemních bytů po dobu 10 let, podpoří výstavbu bytů pro 0,5 % důchodců nad 70 let. 4) Úvěr od státu a následný vznik věcného břemene ovlivňují rozhodování investora o investici, která nemusí být návratná. Nic na tom nemění fakt, že zájem v roce 2011 vysoce převýšil dostupné prostředky. Graf 10 ukazuje (modelový výpočet na základě předem definovaných parametrů viz poznámku pod grafem), jaká je závislost celkových nákladů bydlení, které bude muset zájemce o byt platit, v souvislosti s variabilní výší úrokové podpory od SFRB. Graf 10: Vztah výše úrokové podpory (program SFRB) a celkových nákladů bydlení u modelové domácnosti v bytě o velikosti 1+1 Poznámka: Na ose x je výše úrokové dotace z půjčky SFRB na výstavbu nájemních bytů, na ose y je výše celkových nákladů na bydlení u modelové domácnosti. Model předpokládá následující parametry: obec má přístup k finančním zdrojům za 3 % p.a., soukromý subjekt pak za 6 % p.a. Stát poskytuje zvýhodněnou půjčku na 70 % výstavby, zbytek si investor půjčuje na finančním trhu. Celková cena výstavby bytu 1+1 je 1,176 mil. Kč. Nájemník ve svém celkovém nájmu platí cenu služeb a cenu za výstavbu a údržbu bytu. Cena služeb je stanovena na 1600 Kč měsíčně (600 Kč elektrická energie, 300 Kč voda, 600 Kč dodávky tepla a ohřev TUV, 50Kč výtah a 50 Kč úklidové služby). Cena za výstavbu a údržbu domu je dána fondem oprav (700 Kč měsíčně), cenou za správu domu (100 Kč měsíčně) a částkou sloužící k pokrytí splátek úvěru investora. V modelu není počítáno se ziskem investora. Platí nepřímá úměra, kdy s rostoucí úrokovou dotací se snižuje částka sloužící k pokrytí splátek investora. Zdroj: vlastní výpočty. Z předcházejícího modelu je zřejmé, že celkové měsíční náklady na byt 1+1 jsou značné, přičemž státní podpora snižuje tyto náklady pouze minimálně. Model dále ukazuje, že při poměrně značné inves- 37

39 tici (dlouhodobé půjčce) z veřejných rozpočtů je výsledný efekt zlevnění nájemního bydlení pro cílovou skupinu zanedbatelný. Z výše zmíněných důvodů jsme navrhli alternativní parametry státní podpory výstavby nájemních bytů. Alternativní návrh spočívá v přímé dotaci na výstavbu nového sociálního nájemního bydlení (nevratném grantu) pro podstatně úžeji definovanou cílovou skupinu, než jak ji definuje současný program, konkrétně pro domácnosti důchodců s členy nad 70 let, jejichž příjmy po uhrazení nákladů na bydlení jsou nižší než 200 % životního minima. Cíl našeho návrhu je obdobný, jako byl v případě sociálního bydlení v rámci existujících bytů obcí totiž snížit náklady na bydlení příjmově slabších domácností, které mají vzhledem ke svému věku jen minimum možností, jak tuto situaci řešit vlastními silami, a vzhledem ke svému věku se též hůře orientují v jiných formách státní sociální podpory (je pro ně obtížnější vyřídit si získání příspěvku na bydlení). Oproti dnešnímu programu SFRB uvažujeme v našem návrhu podpory výstavby sociálních nájemních bytů následující změny: navýšení prostředků na výstavbu sociálního nájemního bydlení na cca 2,4 mld. Kč ročně po dobu následujících 10 let; přímou podporu výstavby (formou nevratného grantu) snižující cenu výstavby; přísnější definování podmínek pro žadatele o podporu; užší zacílení programu z pohledu cílové skupiny; zakomponování anticyklické pojistky při poskytování podpory z programu v horizontu jeho platnosti. Výpočet maximálních měsíčních nákladů spojených s užíváním bytu při dané dotační podpoře výstavby Předpokládejme, že se stát rozhodne podpořit výstavbu sociálního nájemního bydlení na základě následujících pravidel: Je definována úzká cílová skupina, pro kterou jsou byty stavěny; domácnosti tak mají relativně velkou šanci byt získat. Stát (poměrně restriktivně) stanovuje maximální podporovanou velikost bytů, včetně definice jejich standardu. Stát na základě minulých cen stanovuje, že m 2 výstavby podpoří určitým procentem z odhadované ceny výstavby; dané procento podpory výstavby může být variabilně upravováno s ohledem na sledované cíle nebo jejich úpravu; za základní variantu předpokládáme podporu ve výši 80 % očekávaných nákladů výstavby. Na základě odborných výpočtů je dána maximální cena nájmu po dobu platnosti projektu, přičemž cena za ostatní služby nesmí kompenzovat nízko nastavenou maximální hodnotu nájmu. Alternativně lze uvažovat o veřejné soutěži o prostředky programu, při které stát stanoví výši podpory u typového bytu, včetně definice jeho standardní výbavy, a zájemci o podporu budou mezi sebou soutěžit o prostředky programu cenou nájmu (výsledkem soutěže může např. být, že stát podpoří všechny projekty, kde pro standardní byt 1+1 o velikosti 35 m 2 měsíční nájemné nepřekročí částku 2060 Kč). Konečně jiná alternativa říká, že zájemci o podporu mezi sebou soutěží požadovanou výší podpory od státu (výsledkem soutěže může např. být, že stát podpoří všechny projekty, kde pro standardní byt 1+1 o velikosti 35 m 2 a definované budoucí ceny maximálního nájmu nepřekročí podpora státu částku 800 tis. Kč). Výstavba sociálních nájemních bytů je prováděna obcemi či neziskovými organizacemi. Ve vlastních výpočtech předpokládáme, že skutečná cena výstavby bude o 20 % vyšší, než činí cena odhadovaná; odhadovaná cena vychází z průměrných cen nové výstavby v minulých letech. Z toho důvodu je efektivní podpora státu nižší než výše uvažovaných 80 %. Příjemce podpory překlene rozdíl mezi skutečnou cenou výstavby a podporou projektu ze strany státu (grantem) dlouhodobým úvěrem, který je v následujících letech zaplacen nájemníky prostřednictvím nájmu (v tabulce 18 je tato suma označena jako kofinancování). 38

40 Tabulka 18: Nárok domácností na byt postavený za podpory nájemního bydlení podle existujícího programu SFRB Cena (v tis. Kč na m 2 ) Cena (v tis. Kč) Typ bytu Podporovaná užitková plocha bytu (v m 2 ) Odhadovaná cena výstavby Podporovaná cena výstavby Garsonka ,0 36, ,4 33, ,8 31, ,2 28, Zdroj: vlastní výpočty, SILC N = Skutečná cena výstavby Celková Podpora projektu Kofinancování Následující grafy 11a a 11b ukazují, jaká je závislost výše nájemného vyjádřeného jako % z ceny bytu v závislosti na úrokové sazbě a délce splatnosti úvěru (reziduálního úvěru po odečtení grantu státu). Graf vychází z modelového výpočtu, při kterém předpokládáme, že žadatel (investor, většinou obec) si může půjčit na 3 % úrok a na dobu splatnosti 50 let. Za těchto předpokladů jsou roční náklady stanoveny na 4 % ceny proinvestovaných nákladů investora (ty zahrnují pouze náklady na kofinancování, protože grant státu není třeba splácet). Graf 11a, 11b: Závislost výše ročního nájemného určeného jako % ceny bytu (osa y) na výši úrokové sazby a délce splatnosti úvěru Závislost na výši úrokové sazby Závislost na délce splatnosti úvěru Poznámka: Na ose y je uvedena částka jako % ceny bytu, která v dlouhodobém horizontu hradí náklady na výstavbu bytu. Simulovány jsou 2 proměnné výše úrokové sazby (standardně nastavena na 3 % p.a.) a délka splatnosti úvěru (standardně nastavena na 50 let). Zdroj: vlastní výpočty. Nájem musí vedle splátky úvěru obsahovat též příspěvek na tvorbu fondu oprav a úhradu nákladů na správu bytů. Na základě expertního odhadu (a s využitím dat z webového průzkumu organizovaného serverem viz graf 12a, 12b) je měsíční cena fondu oprav stanovena na 20 Kč/ m 2 a měsíční náklady na správu bytu stanoveny na 100 Kč/byt. Výše uvedené grafy ukazují, že výše příspěvku do fondu oprav je obecně stanovena na nižší úrovni u nově postavených bytů (byty jsou nové, nepotřebují rekonstrukci; vlastníci splácejí půjčky na pořízení bytu a nechtějí si vytvářet další náklady), naopak u starších bytů je na vyšší úrovni. Fond oprav je v některých případech stanoven jako pevná částka na byt nebo může být stanoven jako určité procento z podílu vlastnictví. Námi stanovených 20 Kč na m 2 podlahové plochy bytu měsíčně odpovídá průměrně 0,72 % výrobní ceny bytu i tak je však vyšší než standardní příspěvek do fondu oprav 39

41 vlastníků bytů v nově postavených bytových domech. Zároveň se v našem modelu příspěvek do fondu oprav podílí asi z 18 % na celkových měsíčních nákladech spojených s užíváním bytu. V našem modelu je byt po 50 letech splacen a nájemné, které sloužilo k financování půjčky investora, může po uplynutí této doby posílit tvorbu fondu oprav. Graf 12a, 12b: Distribuce odhadu výše fondu oprav (v Kč/m 2 /měsíc) na základě webového průzkumu serveru www. postalsvj.cz byty postavené po roce 1993 a všechny byty, bez omezení data výstavby Byty vystavěné po roce 1993 ( bytů) Byty bez omezení data výstavby ( bytů) Zdroj: vlastní výpočty na základě Na základě znalosti podporované užitkové plochy nově postaveného bytu a částky potřebné ke kofinancování výstavby bytu jsme schopni odhadnout měsíční splátku sloužící k umořování splátky úvěru. Ta, spolu s příspěvkem do fondu oprav a příspěvkem na správu, tvoří celkovou výši nájemného (tabulka 19). Tabulka 19: Výše nájemného, které hradí výstavbu a údržbu bytu Velikost bytu Podporovaná užitková plocha bytu (v m 2 ) Kofinancování (v tis. Kč na byt) Splátka úvěru (v Kč měsíčně na byt) Fond oprav Správa Celkem Garsonka Zdroj: vlastní výpočty. Po zohlednění nákladů na služby spojené s užíváním bytu jsme schopni odhadnout celkové měsíční náklady, které bude muset zájemce o sociální nájemní bydlení hradit (tabulka 20). Průměrné náklady na služby jsou dány expertním odhadem; skutečné náklady budou u jednotlivých domácností značně variabilní. Tabulka 20: Celkové měsíční náklady spojené s užíváním bytu Velikost bytu Nájem (výstavba/ údržba) elektřina voda teplo/tuv výtah úklid+jiné Celkem Garsonka Průměrná domácnost 2010 n.a n.a. 160 n.a. Zdroj: vlastní výpočty a ČSÚ (2011) Vydání a spotřeba domácností statistiky rodinných účtů za rok 2010 ( 40

42 Graf 13: Vzájemný vztah mezi výší podpory státu, úrokovou sazbou z úvěru a celkovými měsíčními náklady na bydlení pro byt 1+1 Poznámka: na ose y je uvedena výše podpory státu jako podíl na ceně výstavby (1,176 mil. Kč), na ose x je uvedena cena úvěru, kterým investor pokryje část ceny výstavby nepodpořenou státem (kofinancování). Jednotlivé křivky jsou pevné měsíční částky ceny bydlení. Z těchto částek není na úvěru závislých 2400 Kč (fond oprav, cena služeb a správy). Graf ukazuje trade-off mezi mírou podpory státu a úrokovými náklady pro různou výši nájmu. Zdroj: vlastní výpočty. V tabulce jsou modelovány průměrné očekávané náklady bydlení v nově postaveném nájemním bytě. O těchto nákladech předpokládáme, že jsou nižší než náklady průměrné domácnosti v České republice (jde o sociální bydlení, byty jsou menší, byty jsou navíc postaveny technologiemi zajišťujícími nízkoenergetický standard). Stát stanovuje výši nájemného a používá ji jako jednu z dlouhodobě sledovaných podmínek čerpání podpory. Pomocí míry podpory stát může kontrolovat objem výstavby, případně pobídnout obce či neziskové organizace k větší míře spoluúčasti. Výše popsané ekonomické vztahy mezi výší státní podpory a celkovými výdaji na bydlení nájemníků sociálních bytů ilustruje graf 13. Jestliže je pravidly programu umožněno vybírat celkový nájem včetně služeb v určité výši (jedna z křivek), při daných úrokových nákladech tato částka definuje minimální nutnou podporu státu, aby investor nebyl prodělečný. Například zvýrazněný bod v grafu 13 říká: 1. pokud je celkový očekávaný nájem 3660 Kč měsíčně, pak je investor na splátku úvěru schopen věnovat 1260 Kč (3660 minus 2400 za fond oprav a správu). Při úrokových nákladech 3 % p.a., délce splatnosti 50 let a při dané ceně výstavby musí stát projekt podpořit z cca 70 %; 2. pokud stát projekt podpoří ze 70 %, pokud má investor náklady na kofinancování 3 % p.a. (při délce splatnosti 50 let) a pokud je známá cena výstavby, pak při pravidelně se opakujících dalších nákladech nájemníka ve výši 2400 Kč zajistí splatnost úvěru celkový nájem ve výši 3660 Kč; 3. pokud stát projekt podpoří ze 70 % a pokud je znám očekávaný celkový nájem (3660 Kč) a cena pravidelně se opakujících nákladů nájemníka (2400 Kč), pak zbývajících 1260 Kč pokryje splatnost dlouhodobého úvěru na zbylou cenu výstavby při úrokových nákladech maximálně 3 % p.a. Zpřesnění definice a odhadu velikosti cílové skupiny Kvůli finanční náročnosti současné verze programu podpory výstavby nájemních bytů se jeví jako účelné podporu více zacílit na nejohroženější skupiny českých domácností. Těmi jsou v námi navržené alternativní variantě programu domácnosti, které současně splňují následující podmínky: Žadatelem je osoba v domácnosti starší 70 let. 41

43 Reziduální příjem domácnosti (čistý příjem po zohlednění nákladů na bydlení) je nižší než 200 % životního minima domácnosti (obě tyto podmínky naráz splňuje celkem domácností). Podpora se omezí pouze na jedno- a dvoučlenné domácnosti, čímž se bytová potřeba omezí na byty velikosti 1+1 (35 m 2 ). Všechny tyto podmínky splňuje celkem domácností seniorů (tabulka 21). Tabulka 21: Rozdělení domácností podle toho, zda splňují věková a sociální kritéria pro zařazení do programu podpory výstavby nájemních bytů, a podle velikosti pro ně potřebných bytů Počet domácností Relativní četnosti (%) Kumulativní četnosti (%) Žadatel nesplňuje podmínku 70 let nebo záporného reziduálního příjmu ,9 96,9 byt 1+1 (35 m 2 ) ,0 99,8 byt 2+1 (45 m 2 ) ,2 100,0 byt 3+1 (55 m 2 ) ,0 100,0 Celkem ,0 - Zdroj: vlastní výpočty, SILC N = Ne všechny domácnosti, které mohou o nový sociální byt postavený za podpory programu požádat, o něj také v praxi požádají. Ve druhém kroku se proto pokusíme odhadnout, jaký by byl počet skutečných potenciálních zájemců. Předpokládáme, že z domácností, které mají nárok na základě podmínek programu (viz výše), požádají jenom ty, jejichž současné skutečné náklady na bydlení jsou měsíčně alespoň o 500 Kč vyšší, než náklady, které by domácnost měla po přestěhování do sociálního bytu postaveného za státní podpory (3670 Kč měsíčně za byt 1+1 včetně služeb). Jinými slovy předpokládáme, že domácnost musí přestěhováním ušetřit alespoň 500 Kč měsíčně, aby se ji přestěhování vyplatilo. 5 Na odhadovaný počet domácností, které požádají o zařazení do programu, má zároveň vliv, kterou ze dvou možných variant programu aplikujeme. Připomínáme, že varianta 1NB platí za situace, kdy obec neposkytuje sociální bydlení s využitím svého bytového fondu (nesnižuje tedy nájemné domácnostem se záporným reziduálním příjmem), zatímco varianta 2NB platí za situace, kdy obec poskytuje sociální bydlení s využitím svého bytového fondu. V této druhé variantě jsou z žadatelů vyloučeni ti, kterým obec selektivně snížila nájemné. Pokud přihlédneme k výše definovaným kritériím, činí počet domácností, které by mohly zažádat o přidělení nového sociálního bytu a kterým by se to i finančně vyplatilo u varianty 1NB přibližně domácností. Nejčastěji se jedná o domácnosti bydlící v nájmu (tabulka 22); 90 % domácností je zařazeno podle svého čistého příjmu do prvních tří decilových skupin (tabulka 23). Pokud bychom uvažovali existenci varianty 2NB, celkový počet žadatelů by se snížil o domácnosti, kterým obce ve stávajících obecních bytech poskytly slevu na nájemném, a dosáhl by přibližně domácností. Z tabulek 22 a 23 je vidět, že pomoc, kterou pro domácnosti představuje program podpory výstavby nájemních bytů, není pro některé domácnosti dosažitelná. Tyto domácnosti o nové nájemní bydlení nepožádají proto, že jejich potenciální úspora je příliš malá. Jakmile neušetří měsíčně alespoň 500 Kč, nemají důvod o zařazení do programu požádat (takových domácností je ). Pokud bychom částku úspor snížili na 100 Kč (a odhlédli od nefinančních důvodů, proč se lidé nechtějí stěhovat, a navíc domácnostem hradili náklady samotného stěhování), stále by nemělo důvod požádat domácností 83 % z nich se nachází v první decilové skupině domácností. Pokud bychom toto kritérium zrušili úplně (tj. očekávali, že lidé požádají o zařazení do programu, i kdyby jejich úspora v nákladech na bydlení činila jen 1 Kč měsíčně), stále se domácnostem nevyplatí o zařazení do programu požádat. 6 5 Je známo, že na volbu bydlení nemají u domácnosti vliv pouze finanční stimuly, důležité jsou i např. behaviorální aspekty typu: blízkost obchodu, přátelství se sousedy či znalost prostředí. Každé stěhování také znamená samo o sobě nemalé finanční náklady. 6 Dalším důvodem, proč se v našem modelu tolika domácnostem nevyplatí žádat o zařazení do programu, i když splňují sociální a věková kritéria pro zařazení, je skutečnost, že pro určení dnešní výše nákladů na bydlení a tedy i potenciální úspory u vlastníků nepočítáme tzv. ekvivalent nájemného, ale pouze skutečné reportované náklady na bydlení. 42

44 Tabulka 22: Odhad počtu potenciálních žadatelů o zařazení do programu podpory výstavby sociálních nájemních bytů podle toho, zda splňují věková a sociální kritéria a podle právního důvodu užívání obydlí (varianta 1NB = neexistuje program slev na nájemném pro chudé nájemníky v obecních bytech) Splňují základní sociální a věková kritéria Nesplňují kritéria Právní důvod užívání neušetří (budoucí náklady vyšší nebo úspora menší než 500 Kč měsíčně) ušetří (budoucí náklady nižší nebo úspora vyšší než 500 Kč měsíčně) ušetří (budoucí náklady nižší, úspora vyšší než 500 Kč měsíčně), ale šlo by o podporu větších bytů než 1+1 členové domácnosti mladší 70 let nebo domácnost nemá reziduální příjem záporný Celkem Počet Sloupcová % Počet Sloupcová % 1 vlastní dům , , , , ,2 2 byt osobním vlastnictví , , , , ,8 3 družstevní byt , , , , ,1 4 nájemní byt , , , , ,7 5 podnájem 231 0,3 0 0,0 0 0, , ,7 6 služební, domovnický byt 0 0,0 0 0,0 0 0, , ,2 7 ostatní bezplatné užívání , ,3 0 0, , ,3 Celkem , , , , ,0 Počet Sloupcová % Počet Sloupcová % Počet Sloupcová % Poznámka: potenciální žadatelé o zařazení do programu označeni tučně. Zdroj: vlastní výpočty, SILC N = Tabulka 23: Struktura domácností podle možnosti zařazení do programu podpory výstavby nájemních sociálních bytů a podle příjmových decilů (varianta 1NB = neexistuje program slev na nájemném v obecních bytech) Příjmový decil domácnosti Celkem % % % % % % % % % % % neušetří (budoucí náklady vyšší nebo úspora menší než 500 Kč měsíčně) 73,9 26,1 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 100,0 ušetří (budoucí náklady nižší nebo úspora vyšší než 500 Kč měsíčně) 23,9 48,0 17,6 7,3 0,4 0,9 1,9 0,0 0,0 0,0 100,0 ušetří (budoucí náklady nižší, úspora vyšší než 500 Kč měsíčně), ale šlo by o podporu větších bytů 53,2 46,8 0,0 0,0 0,0 0,0 0,0 0,0 0,0 0,0 100,0 než 1+1 členové domácnosti mladší 70 let nebo domácnost nemá reziduální příjem záporný 8,7 9,1 10,1 10,2 10,3 10,3 10,3 10,3 10,3 10,3 100,0 Celkem 10,0 10,0 10,0 10,0 10,0 10,0 10,0 10,0 10,0 10,0 100,0 Pozn.: potenciální žadatelé o zařazení do programu označeni tučně Zdroj: vlastní výpočty, SILC N = Poté, co jsme odhadli počet žadatelů, kteří splňovali kritéria programu podpory výstavby sociálních nájemních bytů a zároveň se jim vyplatilo požádat o zařazení do programu, jsme provedli odhad podílu žadatelů, jejichž bytové potřeby by bylo možno programem uspokojit. Jestliže předpokládáme, že vláda ročně vydá na podporu nájemního bydlení přibližně 2,4 mld. Kč a že dotace k ceně bytu bude činit 2/3 ceny bytu (784 tis. Kč z 1176 tis. Kč, bez zohlednění inflace), je program schopen ročně podpořit výstavbu přibližně 3000 bytů 1+1; za deset let tedy bytů. Ve variantě 1NB by byl proto vládní program schopen za rok uspokojit přibližně 5 % žadatelů; v desetiletém horizontu pak 50 % žadatelů (demografická prognóza nebyla při simulacích uvažována, proto vzhledem ke stárnutí populace by byl faktický podíl uspokojených žadatelů za 10 let nižší). Ve variantě 2NB by byl program schopen uspokojit ročně necelých 6 % žadatelů; za deset let pak zhruba 57 % žadatelů (s výhradou uvedenou výše). Provedení mikrosimulace a vyhodnocení dlouhodobého dopadu programu na domácnosti Vzhledem k tomu, že objem finančních prostředků neumožňuje uspokojit všechny potenciální žadatele, zavedli jsme při simulacích možného dopadu zavedení nástroje pravidlo, že mikrosimulační model 43

45 přiřazuje nové byty potenciálním domácnostem náhodným způsobem, dokud není přiděleno takové množství bytů, na podporu jejichž výstavby jsou v programu peníze. Distribuci podpory z veřejných rozpočtů za celkem deset let trvání programu mezi domácnosti podle jejich příjmů ukazuje tabulka 24, distribuci mezi domácnosti podle jejich dnešního právního důvodu užívání bydlení ukazuje tabulka 25. Výsledky simulací ukazují, že velká většina podpořených domácností se nachází v první třech decilových skupinách domácností podle jejich celkového čistého příjmu na spotřební jednotku. Podobně, většina podpořených domácností dnes bydlí v nájemním bydlení. Tabulka 24: Odhadované počty podpořených domácností a celková finanční dotace z veřejných rozpočtů za 10 let trvání programu podle příjmových decilů domácností (varianta 1NB) Příjmový decil domácnosti Celkem Abs Počet podpořených domácností % 25,3% 46,4% 17,0% 7,7% 3,5% 100,0% Celková finanční náročnost za 10 let (mil. Kč) Zdroj: vlastní výpočty, SILC N = Tabulka 25: Odhadované počty podpořených domácností a celková finanční dotace z veřejných rozpočtů za 10 let trvání programu podle právního důvodu užívání bydlení domácnosti (varianta 1NB) Právní důvod užívání 1 vlastní dům 2 byt v osobním vlastnictví 3 družstevní byt 4 nájemní byt 5 podnájem 6 služební, domovnický byt 7 ostatní bezplatné užívání Celkem Počet podpořených domácností Celková finanční náročnost za 10 let (mil. Kč) Abs % 23,8 % 23,4 % 8,3 % 41,5 % 0 % 0 % 3,0 % 100,0 % Zdroj: vlastní výpočty, SILC N = Srovnáme-li náklady na bydlení domácností, kterým by byl sociální byt přidělen, a náklady na bydlení domácností, kterým by byt přidělen nebyl (ať už proto, že se do programu nemohou přihlásit, nebo proto, že nebyly mezi vybranými žadateli), zjišťujeme, že podpořené domácnosti jsou dnes vystaveny v průměru vyšším nákladům na bydlení a vlivem podpory významně ušetří jejich náklady na bydlení po obdržení podpory budou činit 3660 Kč měsíčně proti průměrným 5829 Kč měsíčně dnes (tabulka 26). Tabulka 26: Průměrná výše dnešních nákladů (Kč) na bydlení u domácností, kterým byl simulací přidělen byt (podle varianty 1NB) ve srovnání s náklady domácností, kterým byt přidělen nebyl Právní důvod užívání Domácnosti v horizontu 10 let přidělen nájemní byt? 1 vlastní dům 2 byt v osobním vlastnictví 3 družstevní byt 4 nájemní byt 5 podnájem 6 služební, domovnický byt 7 ostatní bezplatné užívání Celkem Byt nepřidělen Byt přidělen Poznámky: Žádné domácnosti v kategoriích právního důvodu užívání 5 a 6 nebyl simulací přidělen byt, proto v příslušném políčku tabulky není uvedena žádná hodnota. Zdroj: vlastní výpočty, SILC N =

46 Efektivitu nástroje ilustruje i tabulka 27, která ukazuje, jak se změní počet domácností se záporným reziduálním příjmem před zavedením a po zavedení nástroje. Jedné třetině podpořených domácností se reziduální příjem dostane ze záporných hodnot do hodnot kladných. Tabulka 27: Průměrná výše dnešních nákladů na bydlení u domácností, kterým byl simulací přidělen byt (podle varianty 1NB) Domácnosti v horizontu 10 let přidělen nájemní byt? Reziduální příjem před zavedením podpory výstavby nájemních bytů Reziduální příjem po zavedení podpory výstavby nájemních bytů kladný záporný Celkem kladný záporný Celkem Byt přidělen Abs % 58 % 42 % 100 % 92 % 8 % 100 % Zdroj: vlastní výpočty, SILC N = Všechny simulace jsme dosud prováděli za předpokladu, že bude přijata varianta 1NB programu, která předpokládá, že obce neposkytují sociální bydlení s využitím svého bytového fondu. V závěrečné kapitole, ve které budeme testovat souhrnný dopad zavedení všech námi navržených nástrojů bytové politiky, budeme ovšem používat variantu 2NB, která předpokládá, že z potenciálních žadatelů jsou vyloučeni ti, kterým obec předtím selektivně snížila nájemné. Při souběžném zavedení obou nástrojů tak bude mezi žadateli oproti výše představeným simulacím o něco menší podíl domácností žijících v obecních nájemních bytech a sníží se podíl žadatelů z nejnižšího příjmového decilu. Anticyklické působení navrženého programu Námi navržená alternativa programu v příštích deseti letech předpokládá proinvestovat celkem 24 mld. Kč ze státního rozpočtu nebo z prostředků Státního fondu rozvoje bydlení. V ideální podobě by měl program působit anticyklicky; to znamená, že v době ekonomického růstu (kdy se růst reálného HDP dostává nad svůj potenciál) by měl program tlumit investiční aktivitu a naopak, v době ekonomického poklesu (kdy se růst reálného HDP dostává pod svůj potenciál) by program měl naopak povzbudit investiční aktivitu (např. tím, že stát zvýší míru podpory projektů). Aby program fungoval anticyklicky, je vhodné, aby množství prostředků uvolněné v příslušném roce nějakým způsobem odráželo očekávaný vývoj HDP. Graf 14: Srovnání hodnot dubnové predikce vývoje HDP a skutečného vývoje HDP Poznámka: skutečný růst HDP za rok 2011 je nahrazen říjnovou predikcí vývoje HDP. Zdroj: ČSÚ a MFČR Makroekonomická predikce. 45

47 Vzhledem k neznalosti budoucího vývoje neumíme ukázat, jaké by bylo anticyklické působení programu v příštích letech, místo toho ale můžeme ukázat, jaké by bylo anticyklické působení programu, kdyby byl realizován již v minulých deseti letech. V prvním kroku je ovšem třeba nalézt indikátor, který by budoucí vývoj HDP odhadnul s dostatečnou přesností a dostatečně dlouho dopředu, aby bylo možno podle jeho hodnoty stanovit objem finančních prostředků uvolněný pro financování programu pro nadcházející rok. Takovým ukazatelem se zdá být hodnota dubnové predikce budoucího vývoje HDP, kterou pravidelně publikuje Ministerstvo financí ČR (graf 14). Z grafu je vidět, že dubnové predikce vývoje HDP jsou oproti skutečným hodnotám daného roku opožděné ; míra zpoždění však není fatální, takže míra spolehlivosti dubnové predikce je poměrně vysoká. Z toho důvodu jsme se rozhodli navázat výši státních výdajů na program podpory výstavby sociálních nájemních bytů na dubnovou Makroekonomickou predikci vývoje HDP v daném roce z pera MFČR. Pro stanovení objemu finančních prostředků určených na program je pro nás klíčovou informací rozdíl mezi predikovanou hodnotou vývoje HDP a jeho dlouhodobým trendem (ve zkoumaném období byl dlouhodobý trend +2,9 %). Předpokládané výdaje programu jsou poté vypočítány podle následujícího vzorce: rok i duben roku i rok i duben roku i výdaje programu = 2,4 mld. Kč * [1 0,2 * (predikce 2,9%)] Na základě výpočtu využívajícího předchozí rovnice jsme schopni ukázat, jak by vypadala výše státních výdajů programu v uplynulých 10 letech za situace, kdyby objem výdajů byl založen na dubnové predikci, a porovnat ho se situací, kdyby byl objem státních výdajů na program založen na skutečném vývoji HDP (druhá možnost samozřejmě nemůže být v praxi nikdy použita, protože rozhodnutí o objemu prostředků alokovaných na financování programu se musí udělat před tím, než je znám skutečný vývoj HDP) viz graf 15. Klíčová informace získaná z grafu je ta, že se průběh křivek i jednotlivé hodnoty v jednotlivých letech zásadně neliší. V obou případech jsou investice do programu nejvyšší v dobách ekonomického poklesu a naopak nižší v dobách největšího růstu. Můžeme proto konstatovat, že jsme schopni nastavit celkovou finanční dotaci pro realizaci programu tak, aby působil anticyklicky. Dubnová predikce vývoje HDP je dostatečně spolehlivým indikátorem základních tendencí v budoucím vývoji HDP. Je samozřejmé, že v praxi by mohlo v průběhu roku, jak jsou odhady budoucího vývoje ekonomiky zpřesňovány, docházet ještě k dodatečným úpravám částky určené k investování do programu. Graf 15: Srovnání výše výdajů programu za situace, kdy výdaje stanovujeme s ohledem na dubnovou predikci vývoje HDP, s hypotetickou situací, kdy bychom mohli stanovovat výši výdajů na program podle skutečného vývoje HDP Zdroj: vlastní výpočty. 46

48 3.5 Příspěvek na bydlení Příspěvek na bydlení je standardním nástrojem, který se používá pro pomoc domácnostem, jejichž příjmy nejsou dostatečné pro zajištění adekvátního bydlení. Od má na příspěvek na bydlení nárok vlastník nebo nájemce bytu, který je v něm hlášen k trvalému pobytu a jeho náklady na bydlení tvoří více než 30 % (35 % v Praze) rozhodného příjmu v rodině a současně těchto 30 % (resp. 35 % v Praze) rozhodného příjmu nepřesahuje výši normativních nákladů na bydlení (jsou stanoveny opět zákonem a každoročně valorizovány). Rozhodným příjmem je příjem za předcházející kalendářní čtvrtletí a započítávají se do něj rovněž přídavek na dítě a rodičovský příspěvek (pokud na ně vzniká žadateli ze zákona nárok). Náklady na bydlení se stanoví jako jejich průměr za kalendářní čtvrtletí bezprostředně předcházející kalendářnímu čtvrtletí, na které se nárok na výplatu dávky prokazuje, popřípadě nárok na dávku uplatňuje. Nákladem na bydlení přitom není pouze nájem u domácností z nájemního sektoru, resp. srovnatelné náklady u družstevníků a vlastníků (jejich výše je stanovena zákonem), ale i náklady za energie, vodné a stočné, odpady, vytápění. Normativní náklady na bydlení zahrnují pro nájemní byty částky nájemného a pro družstevní byty a byty vlastníků obdobné (srovnatelné) náklady. Dále jsou do nich zahrnuty ceny služeb a energií. Normativní náklady na bydlení jsou propočítány na přiměřené velikosti bytů pro daný počet osob v nich trvale bydlících. Jsou stanoveny pevnými částkami uvedenými v zákoně a každoročně valorizovány. U bytů užívaných na základě nájemní smlouvy rostou s počtem osob v rodině (jedna, dvě, tři, čtyři a více osob) a současně se zvyšují s rostoucí velikostí obce (Praha, více než obyvatel, obyvatel, obyvatel a obce s méně než 9999 obyvateli). U družstevních bytů a bytů vlastníků rostou pouze s počtem osob v rodině (velikost obce nehraje roli). 7 Za pozitivum a zřejmě nejpodstatnější změnu příspěvku na bydlení od lze označit skutečnost, že již nebere v úvahu pouze normativní náklady na bydlení (u předchozí podoby příspěvku platné do konce roku 2006 to byla část životního minima na společné potřeby členů domácnosti), ale při výpočtu výše dávky se zohledňují i skutečné náklady na bydlení. Pro určení výše příspěvku je pak rozhodující nižší z obou částek. To přispívá ke snížení nákladů státního rozpočtu oproti situaci, kdy by do výpočtu výše příspěvku vstupovaly pouze normativní náklady na bydlení Metodika analýzy a simulací Stejně jako ve všech čtyřech předchozích případech jsme při analýzách fungování příspěvku na bydlení v dnešní podobě i simulacích dopadů možných změn nastavení příspěvku používali data ze šetření SILC V těchto datech existují informace o příjmové situaci a bytové situaci domácností, ze kterých lze odhadovat počty domácností majících na příspěvek na bydlení nárok i dopady na rozpočty domácností. Stejně tak je možno simulovat dopady zavedení alternativní formy příspěvku na bydlení. V modelových výpočtech tedy pracujeme se stávajícím příspěvkem na bydlení a se dvěma variantami upraveného příspěvku na bydlení: Varianta reportovaná vychází přímo z toho, co uvádějí respondenti šetření SILC. Varianta 0PB výpočty vycházejí z informací o domácnostech ze šetření SILC a dnešní zákonné podoby příspěvku na bydlení. Tato varianta v podstatě vyjadřuje, jaké domácnosti by pobíraly příspěvek na bydlení, a jaká by byla jeho výše, kdyby si o příspěvek požádaly všechny domácnosti, které na něj mají nárok. Varianta 1PB výpočty používají alternativní hodnoty normativních nákladů podle místa bydliště domácnosti tak, aby lépe odpovídaly skutečným nákladům na bydlení; mění se diferenciace normativních nákladů podle zón a počtu osob v domácnosti, a použije se upravených normativ- 7 Výše aktuálního příspěvku na bydlení se vypočítá podle vzorce: PB = min (NB, NN) k * max (P, ŽM R ) kde: PB měsíční výše příspěvku na bydlení; NB náklady (skutečné) na bydlení; NN normativní náklady na bydlení; k výše koeficientu, kterým se násobí rozhodný příjem rodiny (0,35 pro hl. m. Prahu a 0,3 pro ostatní území ČR); P výše rozhodného příjmu rodiny; ŽM R výše životního minima rodiny. 47

49 ních nákladů na bydlení pro družstevníky a vlastníky s využitím logaritmického trendu (podrobnosti dále). Varianta 2PB výpočty používají alternativní hodnoty normativních nákladů podle místa bydliště domácnosti tak, aby lépe odpovídaly skutečným nákladům na bydlení; mění se diferenciace normativních nákladů podle zón a počtu osob v domácnosti, a použije se upravených normativních nákladů na bydlení pro družstevníky a vlastníky odpovídajících tentokrát průměrným nákladům na energie a služby spojené s užíváním bytu/domu. Určitý metodologický problém, na který je třeba upozornit, spočívá ve skutečnosti, že při výpočtu příspěvku na bydlení vycházíme z ročních příjmů (uváděných v šetření SILC), přitom podle dnešní legislativy se nárok na pobírání příspěvku na bydlení prokazuje příjmy za čtvrtletí. Naše výpočty založené na ročních příjmech tak mohou podhodnocovat výši vyplaceného příspěvku na bydlení, protože v průběhu roku mohou být příjmy domácnosti volatilní. Je třeba rovněž upozornit, že při práci s regionálními odlišnostmi ve výši nákladů na bydlení používáme v tomto případě jinou regionální klasifikaci (zónování) než u daně z nemovitosti, jelikož v tomto případě vycházíme z rozdělení na pět zón podle výše tržního nájemného a nikoliv z rozdělení na sedm zón podle výše ceny bytu. Jak ukázala analýza dat ze šetření SILC 2009, mezi respondenty šetření jsou mírně podhodnoceny domácnosti čerpající příspěvek na bydlení. Navíc se zdá, že velká část domácností nečerpá příspěvek na bydlení, i když na něj má zákonný nárok. Z tohoto důvodu se některé prezentace dopadů reformy rozpadají na více variant: 100 % take-up sledujeme teoretickou výši příspěvku na bydlení dnes a po reformě a předpokládáme, že existuje 100 % take-up (tzn. předpokládáme, že všichni, kdo mají nárok na příspěvek, o něj také požádají); podmíněný take-up sledujeme teoretickou výši příspěvku na bydlení dnes a po reformě, ale pouze u domácností, které dnes v datech SILC reportují, že v roce 2008 čerpaly příspěvek na bydlení, případně u domácností, kterým vzniká po reformě nárok na příspěvek na bydlení Výsledky analýzy a simulací Přetrvávajícím nedostatkem současné podoby příspěvku na bydlení je skutečnost, že normativní náklady nejsou dostatečně diferencovány podle regionálních rozdílů ve výši (tržního) nájemného. Normativní náklady na bydlení sice s velikostí obce rostou (pro nájemníky), nicméně je předpokládáno, že se neliší například mezi Ústím nad Labem a Hradcem Králové, tedy mezi obcemi, které patří do stejné velikostní kategorie (dle počtu obyvatel). Ve skutečnosti je však výše tržního nájemného v těchto obcích odlišná. Právě s ohledem na skutečnost, že příspěvek na bydlení nedostatečně reflektuje regionální rozdíly ve výši nájemného, a to zejména v situaci, kdy skutečné náklady na bydlení jsou vyšší než normativní, byla provedena výše popsaná regionální segmentace (zónování) dle výše tržního nájemného. Výsledné členění (tabulka 2) bylo použito jako základ pro úpravu výše normativních nákladů stávající podoby příspěvku na bydlení. Alternativní stanovení výše normativních nákladů na bydlení pro nájemníky podle nového regionálního členění Při stanovení upravené výše normativních nákladů na bydlení pro nájemce bytů bylo využito výše uvedené srovnání skutečných 8 přiměřených (tj. přepočtených na velikost bytu odpovídající počtu členů domácnosti) nákladů na bydlení získaných z dat SILC 2009 (přesněji podsouboru domácností nájemníků hradících tržní nájemné) 9 a průměrných normativních nákladů zjištěných z dat SILC 2009 (opět pro podskupinu nájemníků hradících tržní nájemné). 8 Skutečnými náklady na bydlení rozumíme v dalším textu (nebude-li uvedeno něco jiného) náklady na bydlení tak, jak jsou definovány pro účely zjištění nároku a výpočtu výše příspěvku na bydlení dle zákona 117/1995 Sb., o státní sociální podpoře, v platném znění. 9 Podsoubor nájemníků hradících tržní nájemné byl pro výpočty zvolen nejen proto, že výše uvedená segmentace byla provedena právě dle výše průměrného tržního nájemného, ale i s ohledem na končící deregulaci nájemného, kdy počínaje rokem 2012 přestane mít dělení na regulované a tržní nájemné smysl. Kromě toho by příspěvek na bydlení měl účinně pomoci i domácnostem hradícím tržní nájemné, které je zpravidla vyšší než nájemné regulované. 48

50 Z grafu 16 je patrné, že zatímco v Praze jsou průměrné normativní náklady nájemníků hradících tržní nájemné výrazně pod úrovní skutečných přiměřených nákladů na bydlení, ve venkovských obcích (Typ V) jsou naopak průměrné normativní náklady nájemníků výrazně vyšší než skutečné přiměřené náklady na bydlení. Z toho vyplývá, že zatímco v Praze některé domácnosti na příspěvek na bydlení vůbec nedosáhnou, případně je jeho výše značně limitována s ohledem na rozdíl ve výši skutečných přiměřených a průměrných normativních nákladů, v obcích zařazených do páté zóny (Typ V) by naopak hypoteticky mohl vzniknout tlak na inflaci nájemného. Graf 16: Stanovení nových normativních nákladů pro jednotlivé zóny tržního nájemného Typ I (nejvyšší nájmy) Typ II Typ III Typ IV Typ V (nejnižší nájmy) skutečné přiměřené náklady dle SILC aktuální norma vní náklady (2009) nové norma vní náklady Zdroj: vlastní výpočty, SILC N = 509. Graf 17: Alternativní možnosti stanovení nových normativních nákladů pro jednotlivé zóny tržního nájemného Typ I (nejvyšší nájmy) Typ II Typ III Typ IV Typ V (nejnižší nájmy) aktuální norma vní náklady (2009) nové norma vní náklady (alt 1) nové norma vní náklady nové norma vní náklady (alt 2) Zdroj: vlastní výpočty, SILC N =

51 Naším cílem bylo proto ve všech zónách (kategoriích nájemného) stanovit novou výši normativních nákladů na bydlení tak, aby byla vždy mírně pod úrovní skutečných přiměřených nákladů na bydlení a nastavení příspěvku tak nevyvolávalo případné inflační tlaky na další růst nájemného. Určení nové výše normativních nákladů je vždy do značné míry arbitrární, proto bylo otestováno několik alternativ (graf 17). V první variantě byly normativní náklady stanoveny jako 90 % skutečných přiměřených nákladů na bydlení v jednotlivých zónách (alt 1 v grafu 17). U této varianty by došlo k výraznějšímu navýšení normativních nákladů v Praze (Typ I), u druhé až čtvrté zóny by se nově stanovené normativní náklady příliš neodchýlily od stávajících normativních nákladů, nicméně u venkovských obcí (Typ V) by došlo k jejich výraznému snížení. Vzhledem ke skutečnosti, že výše skutečných nákladů byla právě pro venkovské obce s ohledem na omezený počet pozorování nejméně spolehlivá, propad výše normativních nákladů v této kategorii (zóně) by nebyl žádoucí. Alternativně byla proto křivka nových normativních nákladů stanovených jako 90 % skutečných přiměřených nákladů proložena polynomickým trendem 2. stupně (alt 2 v grafu 17, je uvedena rovněž regresní rovnice a hodnota R 2 ). Při stanovení normativních nákladů podle této křivky by sice došlo k žádoucímu přiblížení nově určených a původních normativních nákladů u venkovských obcí (Typ V), nicméně současně k nežádoucímu navýšení normativních nákladů v zóně Typu II (normativní náklady by převýšily skutečné přiměřené náklady) a nežádoucímu propadu normativních nákladů v zóně Typu IV. Nejlepší alternativou se proto ukázalo stanovení normativních nákladů ve všech zónách na úrovni 90 % skutečných přiměřených nákladů na bydlení s výjimkou venkovských obcí (Typ V), kde byly stanoveny na úrovni skutečných přiměřených nákladů tato varianta je v grafu 16 a 17 označena jako nové normativní náklady. Alternativní stanovení výše normativních nákladů na bydlení pro nájemníky podle počtu osob v domácnosti Stávající normativní náklady na bydlení jsou členěny nejen z územního hlediska (resp. podle velikostních kategorií obcí), ale i podle počtu členů domácnosti s rostoucím počtem osob v rodině se výše normativních nákladů zvyšuje. Na úpravu normativních nákladů pro nově vytvořené regionální členění (5 typů území) bylo proto nezbytné navázat stanovení jejich výše právě i s ohledem na velikost (počet členů) domácnosti. V prvním kroku bylo proto provedeno opět srovnání průměrných skutečných nákladů na bydlení a průměrných normativních nákladů na bydlení (platných dle zákona v roce 2009), tentokrát podle velikosti domácnosti (počtu osob v rodině), opět na podsouboru domácností žijících v nájemních bytech a hradících tržní nájemné (graf 18). Graf 18: Alternativní stanovení nových normativních nákladů pro různé kategorie velikosti domácnosti (počet členů domácnosti) Měsíční náklady v Kč Počet osob v domácnos skutečné přiměřené náklady dle SILC aktuální norma vní náklady (2009) nové norma vní náklady (alt 1) nové norma vní náklady (alt 2) Zdroj: vlastní výpočty, SILC N =

52 Z provedeného srovnání vyplynulo, že zatímco skutečné přiměřené náklady na bydlení rostou s počtem členů domácnosti klesajícím tempem (tj. odrážejí rostoucí úspory z rozsahu u vícečlenných domácností), normativní náklady se s rostoucí velikostí domácnosti zvyšují prakticky lineárně, tj. pro domácnosti se třemi a více členy už normativní náklady převyšují skutečné přiměřené náklady na bydlení. Nové normativní náklady pro různé velikosti domácností byly stanoveny arbitrárně ve dvou alternativách. V první alternativě (alt 1) ve výši 90 % průměrných skutečných nákladů pro jednotlivé velikostní kategorie domácností (pouze u domácností se čtyřmi a více členy na úrovni 95 % průměrných skutečných nákladů na bydlení). 10 Alternativně byly nové normativní náklady pro jednotlivé velikosti domácností stanoveny tak, že skutečné průměrné náklady zjištěné z datového souboru SILC 2009 byly proloženy logaritmickou křivkou a výše nových normativních nákladů (alt 2) byla stanovena s využitím parametrů tohoto modelu. Logaritmický trend byl zvolen právě s ohledem na logiku rostoucích úspor z rozsahu, kdy s rostoucím počtem členů domácnosti náklady na bydlení nerostou lineárně, ale s každým dalším členem o stále nižší částku. Ani jednu z obou alternativ nebylo možné tentokrát apriori hodnotit jako vhodnější, a proto do dalších simulací vstoupily obě alternativy nového nastavení normativních nákladů podle velikosti domácnosti nájemníků. Alternativní stanovení výše normativních nákladů na bydlení pro nájemníky v kombinaci regionální třídění a velikost domácnosti Dalším krokem bylo určit výši nových normativních nákladů pro kombinace regionálního členění (5 zón, resp. kategorií nájemného) a velikosti domácnosti. Vzhledem ke skutečnosti, že nové normativní náklady byly pro různé velikosti domácností stanoveny dvěma způsoby (jako 90 % skutečných přiměřených nákladů a s využitím logaritmického trendu) a s ohledem na dva možné způsoby stanovení kombinace nových normativních nákladů (buď rozpočtením nových normativních nákladů pro jednotlivé zóny dle průměrné vzdálenosti nových normativních nákladů za jednotlivé kategorie velikosti domácnosti, nebo naopak rozpočtením nových normativních nákladů pro jednotlivé velikosti domácností do zón dle průměrné vzdálenosti nových normativních nákladů mezi zónami), vznikly čtyři různé varianty nových normativních nákladů pro kombinaci územního členění (5 zón, resp. kategorií nájemného) a velikosti domácnosti (domácnosti s jedním až čtyřmi a více členy). Výše normativních nákladů pro jednotlivé kombinace je uvedena v tabulkách 28 až 31. Tabulka 28: Nové normativní náklady pro jednotlivé zóny (podle výše tržního nájemného) v členění podle velikosti domácnosti (normativní náklady pro velikost domácnosti určeny jako 90 % skutečných přiměřených nákladů) 1 osoba 2 osoby 3 osoby 4+ osob Typ I (nejvyšší nájemné) Typ II Typ III Typ IV Typ V (nejnižší nájemné) Zdroj: vlastní výpočty, SILC N = Důvodem rozdílného stanovení výše normativních nákladů u domácností se čtyřmi a více členy byla skutečnost, že průměrné skutečné přiměřené náklady na bydlení domácností se čtyřmi a více členy byly podle dat SILC 2009 v průměru mírně nižší než průměrné skutečné přiměřené náklady na bydlení tříčlenných domácností, což, dle našeho názoru, neodpovídá realitě a do značné míry souvisí s omezeným počtem pozorování ve skupině domácností se čtyřmi a více členy (na podsouboru nájemních domácností hradících tržní nájemné). 51

53 Tabulka 29: Nové normativní náklady pro jednotlivé zóny (podle výše tržního nájemného) v členění podle velikosti domácnosti (normativní náklady pro velikost domácnosti určeny jako logaritmický trend skutečných přiměřených nákladů) 1 osoba 2 osoby 3 osoby 4+ osob Typ I (nejvyšší nájemné) Typ II Typ III Typ IV Typ V (nejnižší nájemné) Zdroj: vlastní výpočty, SILC N = Tabulka 30: Nové normativní náklady pro různé velikosti domácností v členění podle zón podle výše tržního nájemného (normativní náklady pro zóny určeny jako 90 % skutečných přiměřených nákladů) Osob Typ I (nejvyšší nájemné) Typ II Typ III Typ IV Typ V (nejnižší nájemné) Zdroj: vlastní výpočty, SILC N = Tabulka 31: Nové normativní náklady pro různé velikosti domácností v členění podle zón podle výše tržního nájemného (normativní náklady pro zóny určeny jako logaritmický trend skutečných přiměřených nákladů) Osob Typ I (nejvyšší nájemné) Typ II Typ III Typ IV Typ V (nejnižší nájemné) Zdroj: vlastní výpočty, SILC N = Všechny kombinace byly využity pro testování alternativního nastavení příspěvku na bydlení; výsledky testování nakonec ukázaly, že z pohledu celkových veřejných nákladů na výplatu příspěvku (nejnižší veřejné výdaje) a podílu příjmově slabých domácností s nárokem na příspěvek na bydlení (relativně nejvyšší) se ukázala jako nejvhodnější varianta uvedená v tabulce 30. Jedná se o alternativu kombinující nové normativní náklady pro různé velikosti domácnosti s novými normativními náklady určenými jako 90 % skutečných přiměřených nákladů v jednotlivých zónách. Alternativní stanovení výše normativních nákladů na bydlení pro vlastníky a družstevníky Kromě úpravy normativních nákladů na bydlení pro domácnosti nájemníků byla provedena rovněž úprava normativních nákladů pro domácnosti žijící v družstevních bytech a bytech v osobním vlastnictví (případně vlastních domech). Připomeňme, že normativní náklady na bydlení jsou v současné podobě příspěvku na bydlení u těchto domácností členěny pouze podle velikosti domácnosti (s rostoucím počtem členů domácnosti rostou), nejsou však na rozdíl od normativních nákladů pro nájemníky rozlišeny ani podle velikosti obce (není užíváno ani žádné jiné regionální členění). Pokud by normativní náklady pro domácnosti družstevníků a vlastníků bydlení zahrnovaly pouze náklady na elektřinu, plyn, ústřední topení, vodné a stočné, ostatní služby spojené s užíváním bytu a náklady na pevná paliva, byla by absence regionálního členění pochopitelná, protože výše těchto nákladů je ovlivněna zejména spotřebou jednotlivých domácností (a jejich velikostí), ale regionálně se příliš neliší. Normativní náklady těchto domácností však zahrnují i tzv. srovnatelné náklady (srovnatelné ve smyslu nájemného a služeb spojených s užíváním bytu u domácností nájemníků), tj. zřejmě jakousi 52

54 formu imputovaného nájemného. 11 Za předpokladu, že je výše těchto srovnatelných nákladů odvozena z cen vlastnického bydlení, pak je absence regionálního členění chybná, a to s ohledem na značnou variabilitu cen vlastnického bydlení (která je v praxi ještě větší než v případě tržního nájemného). Na druhou stranu je platba imputovaného nájemného vlastníkům bydlení z veřejných prostředků minimálně neopodstatněná imputované nájemné vlastníci bydlení fakticky neplatí a splátky hypotečních úvěrů nebo vlastní příspěvky do fondu oprav (resp. vlastní prostředky vložené do rekonstrukce bytů či domů) přímo zvyšují bohatství podporované domácnosti. Proto vedle úpravy stávajících normativních nákladů zahrnujících imputované nájemné jsme se zabývali též variantou, podle které by normativní náklady vlastníků a družstevníků bydlení zahrnovaly pouze náklady na energie a služby spojené s užíváním domu/bytu. V grafu 19 jsou vyneseny (zleva doprava) pro jednotlivé velikostní kategorie domácností průměrné skutečné náklady domácností družstevníků a vlastníků (dle dat SILC 2009), výše aktuálních normativních nákladů v roce 2009, výše upravených normativních nákladů pro domácnosti družstevníků a vlastníků s využitím logaritmického trendu (alt 1) a výše upravených normativních nákladů odpovídající pouze průměrné výši nákladů na energie a služby 12 spojené s užíváním bytu/domu pro domácnosti družstevníků a vlastníků. Graf 19: Alternativní možnosti stanovení nových normativních nákladů pro domácnosti družstevníků a vlastníků "skutečné" náklady - vlastníci aktuální norma vní náklady (2009) nové norma vní náklady (alt 1) nové norma vní náklady (výdaje na energie a služby) Měsíční náklady v Kč Počet osob v domácnos Zdroj: vlastní výpočty, SILC N = Efekty úprav regionálního členění a výše normativních nákladů na bydlení Výše uvedené částky nově stanovených (upravených) normativních nákladů pro domácnosti nájemníků i domácnosti družstevníků a vlastníků byly následně použity pro otestování dopadů změn na podíl a strukturu příjemců příspěvku na bydlení a celkových veřejných nákladů na výplatu příspěvku, a to nejdříve za předpokladu 100% take-up, tj. v situaci, kdy by všechny oprávněné domácnosti o příspěvek na bydlení skutečně požádaly. V datovém souboru SILC 2009 byl porovnáván současný stav (nastavení příspěvku v roce 2009) a různé kombinace alternativ 1PB a 2PB. 11 Bohužel se ani přes přímý dotaz na MPSV nepodařilo zjistit, jakým způsobem je přesně výše normativních nákladů (nejen pro domácnosti vlastníků a družstevníků, ale i nájemníků) stanovována, není proto jasné, zda jsou tzv. srovnatelné náklady u domácností vlastníků a družstevníků odvozovány z cen, nebo stanovovány jiným způsobem. 12 Zahrnuty byly opět položky, které se započítávají do nákladů na bydlení podle zákona o státní sociální podpoře. 53

55 Z grafu 20 je patrné, že největší úsporu z hlediska celkového objemu prostředků vyplacených měsíčně formou příspěvku na bydlení by přinesla varianta 2PB, současně by však při této variantě nastavení příspěvku na bydlení byl nejnižší i podíl domácností s nárokem na příspěvek v porovnání s výchozím stavem (var 0PB) by se měsíční náklady na výplatu příspěvku snížily o 106 mil. Kč a zároveň by se podíl domácností s nárokem na příspěvek na bydlení snížil o necelé 4 procentní body. Graf 20: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska podílu domácností s nárokem na příspěvek a měsíčních nákladů na výplatu příspěvku Zdroj: vlastní výpočty, SILC N = Z grafu 21 je zřejmé, že na příspěvek na bydlení měly v roce 2009 nárok ve větší míře (zhruba 60 % celkového počtu domácností s nárokem na příspěvek na bydlení) domácnosti vlastníků a pouze v menší míře (zhruba 40 % celkového počtu domácností s nárokem na příspěvek na bydlení) domácnosti nájemníků. U varianty 1PB se podíl domácností vlastníků s nárokem na příspěvek na bydlení sice mírně snížil (zhruba o 5 procentních bodů), nicméně domácnosti vlastníků by stále tvořily většinu domácností s nárokem na příspěvek. V případě varianty 2PB je už situace opačná domácnosti vlastníků by se na celkovém počtu domácností s nárokem na příspěvek podílely už pouze z 31 %, naopak domácnosti nájemníků z více než 69 %. Posílení podílu domácností nájemníků mezi příjemci příspěvku na bydlení je žádoucí nejen s ohledem na rostoucí náklady na bydlení této skupiny domácností z důvodu deregulace nájemného, ale i s ohledem na potřebu stabilizace segmentu nájemního bydlení [Lux et al. 2011]. Stabilizace segmentu nájemního bydlení je podstatná např. z hlediska potenciálních dopadů ekonomických (finančních) krizí, kdy se ukazuje, že země s relativně významným podílem nájemního bydlení (typicky Německo, Švýcarsko) byly schopny se s dopady krize v oblasti bydlení vypořádat podstatně lépe než země s dominantním podílem vlastnického bydlení (typicky Irsko, Španělsko, ale také např. Maďarsko). Podíl domácností s nárokem na příspěvek na bydlení ještě nevypovídá o tom, jak je mezi domácnostmi podle právního důvodu užívání distribuován objem vyplaceného příspěvku. Graf 22 proto ukazuje, jakou část celkové částky vyplaceného příspěvku by čerpaly domácnosti vlastníků a jakou část domácnosti nájemníků. Z grafu je patrné, že vlastníci se na celkovém objemu vyplaceného příspěvku v roce 2009 (za předpokladu 100 % take-up) podíleli jen zhruba ze 41 %, přestože jejich zastoupení mezi pří- 54

56 jemci příspěvku činilo přes 60 %. Naopak, podíl nájemníků na čerpání celkového objemu vyplaceného příspěvku by byl vyšší (zhruba 59 %), než by odpovídalo podílu příjemců z řad nájemníků na celkovém objemu vyplaceného příspěvku na bydlení (necelých 40 %). Při alternativním nastavení příspěvku na bydlení by se částka příspěvku vyplacená vlastníkům bydlení snížila až na necelých 16 % z celkového objemu vyplaceného příspěvku u varianty 2PB. Graf 21: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska struktury domácností s nárokem na příspěvek podle právního důvodu užívání 100% 90% 80% 70% 33,9 37,8 49,8 60% 50% 12,8 14,6 40% 19,1 30% 20% 47,5 43,6 28,6 10% 0% 5,8 4,0 2,5 var 0PB var 1PB var 2PB vlastníci s HÚ vlastníci bez HÚ nájemníci - tržní nájemníci - regulovaný Zdroj: vlastní výpočty, SILC N = Graf 22: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska struktury celkového objemu vyplaceného příspěvku podle právního důvodu užívání domu/bytu 100% 90% 80% 70% 41,7 49,6 60,3 60% 50% 17,5 40% 19,9 30% 20% 34,4 26,9 24,1 10% 13,9 0% 6,3 3,6 1,7 var 0PB var 1PB var 2PB vlastníci s HÚ vlastníci bez HÚ nájemníci - tržní nájemníci - regulovaný Zdroj: vlastní výpočty, SILC N =

57 Z analýzy příjemců příspěvku na bydlení podle výše celkových čistých příjmů na spotřební jednotku vyplynulo, že příspěvek byl v roce 2009 velmi dobře zacílen na příjmově slabší domácnosti více než 90 % příjemců příspěvku na bydlení tvořily domácnosti z prvních tří decilů příjmového rozložení. Jinými slovy, příspěvek na bydlení splňoval požadavek na redistribuci bohatství směrem k sociálně potřebným domácnostem (minimálně v situaci, kdy za sociálně potřebné označíme příjmově nejslabší domácnosti). Podobná by byla i situace u varianty 1PB, kdy se zásadním způsobem neměnily normativní náklady pro domácnosti vlastníků, ale došlo zejména ke změně normativních nákladů domácností nájemníků. U varianty 2PB, u níž došlo k výraznému snížení normativních nákladů pro domácnosti vlastníků, se domácnosti z prvních tří decilů příjmového rozdělení podílely na celkovém počtu příjemců z téměř 87 %, tj. zacílení na příjmově nejslabší domácnosti i v případě této varianty zůstalo velmi dobré. Graf 23: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska struktury domácností s nárokem na příspěvek podle decilů celkových čistých příjmů na spotřební jednotku domácnosti 100% 90% 80% 4,2 9,1 4,8 8,5 6,2 10,3 70% 60% 50% 30,0 27,0 16,0 40% 30% 20% 10% 54,1 53,7 60,2 0% var 0 var 1 var 2 1. decil 2. decil 3. decil 4. decil 5. decil 6. decil 7. decil 8. decil 9. decil 10. decil Zdroj: SILC 2009, vlastní výpočty. N = Za povšimnutí však stojí změna struktury domácností s nárokem na příspěvek na bydlení u poslední varianty v grafu 23 se zvýšil podíl příjmově nejslabších domácností (1. decil) s nárokem na příspěvek, ale výrazně se snížil podíl domácností z 2. příjmového decilu a naopak se mírně zvýšil podíl domácností z 3. příjmového decilu na celkovém počtu domácností s nárokem na příspěvek. Důvodem výrazného poklesu zastoupení domácností 2. příjmového decilu na celkovém počtu příjemců příspěvku byl zejména výpadek v počtu příjemců z řad domácností vlastníků konkrétně zejména jednočlenných domácností žen ve věku 65 a více let žijících v lokalitách odpovídajících územím z nejnižšími nájmy (Typy III, IV a V). Jednalo se o domácnosti, které podle výchozí varianty (var 0PB) dostávaly příspěvky do výše 300 Kč měsíčně, nicméně po snížení normativních nákladů na příspěvek ztratily nárok (protože 30 % z jejich rozhodných příjmů přesáhlo částku normativních nákladů na bydlení). Snížení normativních nákladů pro domácnosti vlastníků na úroveň průměrných nákladů na energie a služby spojené s užíváním bydlení nicméně i přes výpadek některých příjmově slabších domácností vlastníků považujeme za legitimní, protože se jedná o domácnosti, které zpravidla disponují majetkem (nemovitostí) s hodnotou v nezanedbatelné výši. Domácnosti tak mají (alespoň hypotetickou) možnost tento majetek v případě finančních obtíží zpeněžit a přejít do sektoru nájemního bydlení, kde budou mít nárok na příspěvek na bydlení. Kromě toho příspěvek vyplácený domácnostem vlastníků 56

58 zahrnující kromě nákladů na energie a služby spojené s užíváním domu/bytu rovněž srovnatelné náklady na bydlení (ekvivalent nájemného) přímo zvyšuje hodnotu majetku vlastníků (který část domácností získala i formou dalšího významného transferu v podobě zvýhodněné privatizace obecního bytového fondu). Pokud by vláda nadále chtěla podporovat i domácnosti příjmově slabších vlastníků bydlení, nabízí se možnost vytvoření speciální dávky pro přesně vymezenou skupinu domácností (domácnosti vlastníků s příjmy nepřesahujícími částku odpovídající hranici 2. nebo 3. decilu příjmového rozdělení, v jejichž čele stojí osoba ve věku 65 let nebo starší a jedná se o domácnosti jednotlivců, případně dvoučlenné domácnosti). Schéma pro výpočet příspěvku by mohlo zůstat bez změny; pro tyto domácnosti by stačilo například pouze navýšit částky normativních nákladů. Speciální schéma příspěvku na bydlení pro seniory existuje například ve Velké Británii nebo ve Švédsku [Kemp 2007; Lux et al. 2002]. Graf 24 je doplněním grafu 23 a ukazuje rozdělení celkové částky vyplaceného příspěvku mezi jednotlivé příjmové skupiny domácností (decily). Podle grafu 24 je zacílení stávajícího příspěvku (var 0PB) na nízkopříjmové domácnosti ještě zřetelnější než z grafu 23 bezmála 96 % z celkového objemu vyplaceného příspěvku by připadlo domácnostem z I. až III. decilu příjmového rozdělení, v případě variant 1PB a 2PB by to bylo pouze necelých 91 %. Graf 24: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska struktury celkového objemu vyplaceného příspěvku podle decilů celkových čistých příjmů na spotřební jednotku 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 2,1 6,4 16,4 73,2 3,9 4,5 7,8 9,0 16,1 15,7 66,8 64,9 0% var 0 var 1 var 2 1. decil 2. decil 3. decil 4. decil 5. decil 6. decil 7. decil 8. decil 9. decil 10. decil Zdroj: vlastní výpočty, SILC N = O zacílení příspěvku na sociálně potřebné domácnosti nesvědčí pouze to, zda jej pobírají zejména příjmově nejslabší domácnosti, ale i skutečnost, nakolik příspěvek přispívá k redukci podílu domácností, pro něž je (mohlo by se stát) bydlení potenciálně finančně nedostupným. V grafu 25 je proto uveden pro jednotlivé varianty podíl domácností se záporným reziduálním příjmem. Z grafu je zřejmé, že alternativní nastavení příspěvku na bydlení v tomto směru přinášejí podobné výsledky (ve smyslu podílu domácností ohrožených finanční nedostupností svého stávajícího bydlení) jako neupravená podoba příspěvku platná pro rok 2009 (var 0PB). 57

59 Graf 26 ukazuje, jak by se pro jednotlivé varianty měnilo složení domácností s nárokem na příspěvek podle kategorií věku osoby v čele domácnosti. Z grafu je patrné, že alternativní varianty nastavení příspěvku by podporovaly o něco více mladé domácnosti (patrné je to zejména u varianty 2PB). Naopak by se mezi příjemci příspěvku snížil podíl domácností s přednostou ve věku let. Z grafu 27 je patrné, že alternativní nastavení příspěvku na bydlení by přineslo nižší podíl čistých/smíšených úplných rodin s dětmi, které by měly nárok na příspěvek, naopak by se ale zvýšil podíl čistých/smíšených neúplných rodin s dětmi s nárokem na příspěvek. Graf 25: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska podílu domácností se záporným reziduálním příjmem 7 6 6,2 6,1 6, var 0 var 1 var 2 Podíly domácností se záporným reziduálním příjmem (%) Zdroj: vlastní výpočty, SILC N = Graf 26: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska struktury domácností s nárokem na příspěvek podle věku osoby v čele domácnosti 100% 90% 80% 70% 34,7 37,3 33,9 60% 50% 19,8 20,0 20,6 40% 30% 20% 14,3 13,7 16,7 14,0 14,7 13,9 10% 0% 12,3 12,3 13,6 var 0 var 1 var 2 do 24 let let let let let 65 a více let Zdroj: vlastní výpočty, SILC N =

60 Z provedených analýz a simulací je zřejmé, že jestliže je dosavadní verze příspěvku na bydlení zacílená na příjmově slabší domácnosti, i nově navrhované alternativy nastavení tohoto příspěvku by si uchovaly toto správné zacílení. Pokud bychom ovšem sociální potřebnost odvozovali nikoliv jenom z příjmů, ale i od celkového bohatství domácnosti, jehož podstatnou část tvoří v případě vlastníků hodnota jejich bytu či domu, obrázek by se pravděpodobně podstatně změnil. V tomto ohledu také existuje podstatný rozdíl mezi variantou 1PB, která předpokládá, že by se do normativních nákladů vlastníků započítávalo i imputované nájemné, a variantou 2PB, která vychází při výpočtu normativních nákladů pouze z průměrných nákladů na energie a služby spojené s užíváním bytu/domu. Zatímco stávající nastavení příspěvku i varianta 1PB podporují i ty domácnosti, které mají dostatečný kapitál ve formě vlastního bydlení, se kterým za určitých podmínek mohou disponovat, varianta 2PB omezuje výši příspěvku na bydlení pro domácnosti vlastníků bydlení díky výraznému snížení normativních nákladů. Přesto zůstává i varianta 2PB dobře sociálně zacílená, což se projevuje i tím, že se domácnosti z prvních tří decilů příjmového rozdělení podílely na celkovém počtu příjemců stále z téměř 87 %, a přitom toto nové nastavení již reflektuje i nerovnosti mezi domácnostmi nájemníků a vlastníků v kapitálu či bohatství v podobě vlastněných rezidenčních nemovitostí. Graf 27: Srovnání vybraných variant alternativního nastavení příspěvku na bydlení z hlediska struktury domácností s nárokem na příspěvek podle typu domácnosti (rodiny) 100% 90% 80% 70% 38,1 41,9 39,5 60% 50% 13,8 16,2 17,0 40% 30% 20% 10% 0% 17,9 17,4 19,7 12,6 12,7 13,0 16,8 10,9 10,0 var 0 var 1 var 2 čistá/smíšená úplná rodina s dětmi čistá/smíšená neúplná rodina s dětmi jednotlivec-muž čistá/smíšená úplná rodina bez dětí nerodinná domácnost jednotlivec-žena Zdroj: vlastní výpočty, SILC N = Vzhledem k výše uvedeným argumentům stejně jako ke značné veřejné úspoře vyplývající ze snížení normativních nákladů pro domácnosti vlastníků a posílení tenure neutrality jsme se v dalších krocích testování přiklonili k variantě 2PB. V dalším kroku jsme se zaměřili na podrobnější zjištění toho, jaké domácnosti mají nárok na příspěvek na bydlení, ale přitom o něj nežádají. Pro tento účel jsme porovnali celkovou sumu příspěvku na bydlení, kterou uvedly domácnosti v šetření SILC 2009 (v přepočtu na celou populaci České republiky), celkovou sumu příspěvku na bydlení za předpokladu, že všechny domácnosti, které mají na příspěvek nárok, si o něj opravdu požádají (varianta 0PB) a celkovou sumu příspěvku na bydlení podle námi zvolené varianty alternativního nastavení příspěvku (varianta 2PB). 59

61 Tabulka 32: Náklady na příspěvek na bydlení a jejich distribuce mezi domácnosti s různým právním důvodem užívání Právní důvod užívání bydlení porovnání současného stavu (dle SILC), hypotetického stavu při 100% take-up a při zavedení alternativní formy příspěvku 2PB Příspěvek na bydlení podle respondentů šetření SILC Abs. (mil. Kč) Relativní četnosti (%) Příspěvek na bydlení podle varianty 0PB Abs. (mil. Kč) Relativní četnosti (%) Příspěvek na bydlení podle varianty 2PB Abs. (mil. Kč). Relativní četnosti (%) 1 vlastní dům 40 3 % % % 2 byt osobním vlastnictví % % % 3 družstevní byt % % % 4 nájemní byt % % % 5 podnájem 0 0 % % % 6 služební, domovnický byt 0 0 % 0 % 0 % 7 ostatní bezplatné užívání 2 0 % 0 % 0 % Celkem % % % Zdroj: vlastní výpočty, SILC N = Z tabulky lze vyčíst celkovou sumu pro příspěvek na bydlení odhadnutou přímo podle výpovědí respondentů šetření SILC (celkem 1,401 mld. Kč). Takto odhadnutá suma je asi o třetinu menší, než skutečná suma vyplacená ze státního rozpočtu v roce 2009 na příspěvek na bydlení 2,291 mld. Kč (státní závěrečný účet 2010 sešit C, str. 60). Z toho lze dovodit, že ne všichni příjemci příspěvku na bydlení mezi respondenty šetření SILC ho uvedli mezi své příjmy. Na druhou stranu, státem skutečně vyplacená suma na příspěvek na bydlení je podstatně menší než suma, která by byla vyplacena, pokud by o příspěvek na bydlení požádali všichni, kteří na něj mají nárok (varianta 0PB) odhadem 7,5 mld. Kč. Zavedení alternativního způsobu výpočtu příspěvku (varianta 2PB), by celkovou částku nutnou k vyplacení všech potenciálně oprávněných žadatelů snížila na 5,8 mld. Kč. Z tabulky je však zřejmé, že i dnes existuje vysoký počet domácností, zejména mezi vlastníky rodinných domů, kteří o příspěvek nežádají. Zavedení alternativní formy určování příspěvku na bydlení by tak oproti současnému faktickému stavu čerpání příspěvku neznamenalo příliš velkou změnu. Pokud bychom uvažovali tzv. podmíněný take-up (dávku pobírá pouze ta domácnost, která ji má v SILC 2009 reportovanou nebo ta domácnost, které nově vznikne nárok), pak je celkový dopad zavedení alternativního způsobu určování příspěvku na bydlení na veřejné rozpočty výrazně nižší. Vzhledem k tomu, že druhá varianta, tedy varianta podmíněného take-up, je realitě bližší, rozhodli jsme se ji využít i ve výsledných simulacích reformy bytové politiky jako celku. 60

62 4. Souhrnné dopady reformy bytové politiky V přecházející kapitole jsme se věnovali formulaci, testování variant a hodnocení dopadů navrhovaných alternativ vybraných nástrojů bytové politiky. V naprosté většině případů jsme dopady politik na domácnosti i na veřejné rozpočty hodnotili tak, jako kdyby byla jednotlivá opatření přijata samostatně, izolovaně od ostatních. V této kapitole budeme naopak uvažovat dopady námi navrhovaných alternativ za předpokladu, že budou všechny nástroje zavedeny najednou. Máme na paměti, že obecným cílem všech navrhovaných změn bylo: zvýšit anticykličnost opatření; zajistit rovnost podpory různých právních forem bydlení (tenure neutrality); zvýšit redistribuci bohatství směrem k sociálně potřebným, zejména domácnostem seniorů lepší zacílení (efektivnost); snížit veřejné výdaje na bytovou politiku Metodika analýzy a simulací V této části studie hodnotíme společné působení změn všech výše diskutovaných nástrojů; do výpočtů nám tedy vstupují tyto varianty navrhovaných změn: Odstranění úrokového odpočtu varianta 2HU; Úprava daně z nemovitosti varianta 4DN; Podpora sociálního bydlení u bytů ve vlastnictví obcí varianta 2SB; Podpora výstavby sociálního nájemního bydlení varianta 2NB; Reforma příspěvku na bydlení varianta 2PB s předpokladem tzv. podmíněného take-up. Simulace provádíme tak jako ve všech předchozích případech na datech ze šetření SILC Výsledky analýzy a simulací Stejně jako v případech simulace dopadů jednotlivých nástrojů bytové politiky jsme i v této kapitole simulovali primárně dopady navržených změn do veřejných rozpočtů i do rozpočtů jednotlivých skupin domácností. Upozorňujeme, že simulace nejsou jenom pouhým sečtením výsledků simulací provedených separátně na jednotlivých nástrojích. Některá z opatření spolu vzájemně souvisejí a ovlivňují jedno druhé. Kupříkladu zavedení podpory sociálního nájemního bydlení formou slev na nájemném v obecních bytech pro domácnosti se záporným reziduálním příjmem ovlivní celkový počet domácností, které mohou žádat o zařazení do programu podpory výstavby sociálních nájemních bytů. V případech, kdy jsme schopni vzájemné vztahy mezi dopady více různých nástrojů bytových politik přímo modelovat, zahrnuli jsme je přímo do simulačních modelů. Nepřímé efekty však zahrnuty nebyly. Tabulka 33 ukazuje, jak by se souběžné zavedení všech navrhovaných změn promítlo do veřejných rozpočtů (poslední řádek) a jaké byly dopady do rozpočtů domácností jednotlivých příjmových decilových skupin domácností. Obecně lze odhadovat, že souběžné zavedení všech pěti návrhů na změny nástrojů politiky bydlení by ve svém důsledku vedlo k úsporám veřejných rozpočtů vynakládaných na politiku bydlení v celkové výši přibližně 3,2 mld. Kč ročně. Je důležité si všimnout, jak by byly náklady reformy rozloženy mezi domácnosti různých příjmových skupin: náklady reformy by nesly primárně domácnosti s vyššími příjmy. Reforma by naopak přinesla dodatečné prostředky do rozpočtů domácností patřících do nejnižších tří příjmových decilů, nejvíce pak do rozpočtů domácností ve druhém decilu příjmové distribuce. Dopady jednotlivých opatření se ovšem významně liší. Odstranění úrokového odpočtu by přineslo nejvíce peněz do veřejných rozpočtů (cca 4,6 mld. Kč ročně) a způsobilo největší ztrátu rozpočtům domácností (v tomto případě všem domácnostem, nejvíce ovšem těm nejbohatším). Obdobně by pro veřejné rozpočty byla výnosem úprava a zvýšení daně z nemovitosti (cca 1,5 mld. Kč), které by se 61

63 stejně jako v předchozím případě dotkly negativně rozpočtů všech typů domácností (také především bohatších domácností). Úprava parametrů příspěvku na bydlení by přinesla do veřejných rozpočtů relativně nejméně, cca 0,3 mld. Kč, a náklady by přitom nesly především domácnosti příjmově slabších vlastníků bydlení. Tabulka 33: Odhad celkových ročních dopadů všech zamýšlených úprav bytových politik (absolutně v mil. Kč a relativně jako % celkového dopadu) dle příjmových decilových skupin domácností Decil Odstranění daňové úlevy u úvěrů na bydlení Úprava a zvýšení daně z nemovitosti Podpora sociálního bydlení formou slev nájemného v obecních bytech Podpora výstavby nájemních bytů Reforma příspěvku na bydlení Celkové dopady všech navržených změn Abs. (mil. Kč) Rel. (%) Abs. (mil. Kč) Rel. (%) Abs. (mil. Kč) Rel. (%) Abs. (mil. Kč) Rel. (%) Abs. (mil. Kč) Rel. (%) Abs. (mil. Kč) Celkem Rel. (%) Poznámka: Záporné číslo znamená ztrátu pro domácnosti (ale výnos či úsporu pro veřejné rozpočty). Zdroj: vlastní výpočty, SILC N = Graf 28: Distribuce celkového dopadu mezi jednotlivé příjmové decilové skupiny (relativně) Poznámka: Kladné číslo znamená zvýšení výdajů v rozpočtech domácností, záporné číslo naopak snížení výdajů domácnosti. Zdroj: vlastní výpočty, SILC N =

64 Největším výdajem pro veřejné rozpočty by naopak bylo zavedení podpory výstavby sociálních nájemních bytů pro seniory, které by stát ročně stálo cca 2,4 mld. Kč a profitovaly by z něj výhradně domácnosti seniorů s nižšími příjmy. Méně finančně náročná by byla podpora sociálního bydlení formou slev na nájmu příjmově nejslabším nájemníkům v obecních bytech (cca 0,7 mld. Kč), která by nejvíce pomohla příjmově nejslabším nájemníkům obecních bytů. Graf 28 ukazuje distribuci celkového dopadu všech navržených změn do rozpočtů různých příjmových skupin domácností. Z grafu je vidět, že na reformě bytové politiky by nejvíce ušetřily příjmově nejslabší domácnosti (tři dolní decily) a naopak ze svých rozpočtů by nejvíce vydaly příjmově nejsilnější domácnosti. Tento výsledek potvrzuje, že reforma bytové politiky by vedla k větší efektivnosti (zacílení) politiky bydlení. Tabulka 34: Odhad celkových ročních dopadů všech zamýšlených úprav bytových politik (absolutně v mil. Kč a relativně jako % celkového dopadu) dle právního důvodu užívání bydlení Právní důvod užívání Odstranění daňové úlevy u úvěrů na bydlení Abs. (mil. Kč) Rel. (%) Úprava daně z nemovitosti Abs. (mil. Kč) Rel. (%) Podpora sociálního bydlení formou slev nájemného v obecních bytech Abs. (mil. Kč) Rel. (%) Podpora výstavby nájemních bytů Abs. (mil. Kč) Rel. (%) Reforma příspěvku na bydlení Abs. (mil. Kč) Rel. (%) Celkové dopady všech navržených změn Abs. (mil. Kč) Rel. (%) 1vlastní dům byt osobním vlastnictví družstevní byt nájemní byt podnájem služební, domovnický byt ostatní bezplatné užívání Celkem Poznámka: Záporné číslo znamená ztrátu pro domácnosti (ale výnos či úsporu pro veřejné rozpočty). Zdroj: vlastní výpočty, SILC N = Tabulka 35: Odhad celkových ročních dopadů všech zamýšlených úprav bytových politik (absolutně v mil. Kč) podle krajů Kraj Odstranění daňové úlevy u úvěrů na bydlení Úprava daně z nemovitosti Podpora sociálního bydlení formou slev nájemného v obecních bytech Podpora výstavby nájemních bytů Reforma příspěvku na bydlení Celkové dopady všech navržených změn Praha Středočeský Jihočeský Plzeňský Karlovarský Ústecký Liberecký Královéhradecký Pardubický Vysočina Jihomoravský Olomoucký Zlínský Moravskoslezský Celkem Poznámka: Záporné číslo znamená ztrátu pro domácnosti (ale výnos či úsporu pro veřejné rozpočty). Zdroj: vlastní výpočty, SILC N =

65 Tabulka 34 analogicky ukazuje, jak by byly rozloženy náklady a výnosy při navržených změnách parametrů nástrojů bytové politiky mezi domácnosti podle právního důvodu užívání jejich bydlení. Celkově lze říci, že náklady na reformu nesou primárně domácnosti, které vlastní rodinný dům a v menší míře i domácnosti bydlící v bytech v osobním vlastnictví. To je způsobeno především tím, že na tyto domácnosti více než na jiné dolehne zrušení úrokového odpočtu, úprava a zvýšení daně z nemovitosti, a úprava příspěvku na bydlení. Je zajímavé si ovšem všimnout, že domácnosti bydlící v rodinných domech mohou ze změn i profitovat, pokud jde o domácnosti s nižšími příjmy a staršího věku, které mohou být žadateli o přidělení sociálního nájemního bytu postaveného za podpory státu. Nejvíce pak získají domácnosti žijící v nájemních bytech, které budou profitovat z úpravy příspěvku na bydlení, podpory výstavby sociálních nájemních bytů a ze zavedení slev na nájemném pro příjmově slabé nájemníky obecních bytů. Tabulka 35 ukazuje rozložení nákladů na reformu bytové politiky mezi domácnosti žijící v různých krajích. Obecně lze říci, že na náklady reforem by přispěli obyvatelé všech krajů v žádném kraji není ve sloupci charakterizujícím celkové náklady kladné číslo. V absolutních hodnotách by nejvíce přispěly domácnosti ze Středočeského a Jihomoravského kraje, nejméně naopak domácnosti z Prahy, Karlovarského a Moravskoslezského kraje. Domácnosti z Prahy by nejvíce přispěly do veřejných rozpočtů kvůli zavedení valorické daně z nemovitosti a jejímu zvýšení; spolu se Středočechy a Jihomoravany by pak rovněž nejvíce přispěly do veřejných rozpočtů kvůli zrušení úrokového odpočtu. V obou těchto případech by přispívali především lidé žijící ve vlastnickém bydlení. Na druhou stranu by domácnosti z Prahy nejvíce profitovaly z podpory na výstavbu sociálních nájemních bytů, zavedení slev na nájemné v obecních bytech pro domácnosti s nízkými příjmy i na reformě příspěvku na bydlení, který více zohledňuje regionální rozdíly ve výši tržních nájmů. Je zřejmé, že ze změn by profitovaly především domácnosti seniorů a nájemníků s nízkými příjmy. Kombinace navrhovaných změn nástrojů bytových politik by tak nejen oslabila dnes příliš velkou podporu státu ve prospěch vlastnického bydlení, ale ve svém důsledku vedla i k podpoře sociálně slabých domácností žijících především v oblastech s vysokými nájmy. Tabulka 36 odhaduje dopady navrhovaných změn zvlášť pro domácnosti seniorů a ostatní domácnosti. Přesvědčivě ukazuje, že domácnosti seniorů by z reformy bytové politiky získaly, zatímco její náklady by nesly mladší domácnosti. Typ domácnosti podle věku členů Tabulka 36: Odhad celkových ročních dopadů všech zamýšlených úprav bytových politik (absolutně v mil. Kč) dle stáří členů domácnosti Odstranění daňové úlevy u úvěrů na bydlení Úprava daně z nemovitosti Podpora sociálního bydlení formou slev nájemného v obecních bytech Podpora výstavby nájemních bytů Reforma příspěvku na bydlení Celkové dopady všech navržených změn V domácnosti nejsou starší 70 let V domácnosti jsou starší 70 let Celkem Poznámka: Záporné číslo znamená ztrátu pro domácnosti (ale výnos či úsporu pro veřejné rozpočty). Zdroj: vlastní výpočty, SILC N = Konečně tabulka 37 ukazuje, jaká by byla distribuce nákladů na reformu mezi domácnosti odlišené podle toho, zda mají před reformou, resp. by měly po reformě, kladný nebo záporný reziduální příjem. Celkově lze říci, že navzdory skutečnosti, že navrhovaná opatření znamenají v souhrnu zvýšení příjmů veřejných rozpočtů, tedy dodatečné zatížení pro rozpočty domácností, u domácností, jejichž reziduální příjem je před reformou záporný, by se změny naopak projevily zvýšením jejich příjmů (v souhrnu jde o 0,9 mld. Kč). U této skupiny domácností nehraje téměř žádnou roli odstranění úrokového odpočtu a změna daně z nemovitosti; naopak velký pozitivní vliv pro jejich rozpočty má podpora sociálního nájemního bydlení. 64

66 Tabulka 37: Odhad celkových ročních dopadů reformy bytové politiky na domácnosti odlišené podle toho, zda mají před reformou, resp. po reformě, kladný či záporný reziduální příjem Reziduální příjem před reformou Kladný Záporný Celkem Reziduální příjem po reformě Odstranění daňové úlevy u úvěrů na bydlení Úprava daně z nemovitosti Podpora sociálního bydlení formou slev nájemného v obecních bytech Podpora výstavby nájemních bytů Reforma příspěvku na bydlení Celkové dopady všech navržených změn Abs. (mil. Kč) Abs. (mil. Kč) Abs. (mil. Kč) Abs. (mil. Kč) Abs. (mil. Kč) Abs. (mil. Kč) Kladný Záporný Celkem Kladný Záporný Celkem Kladný Záporný Celkem Poznámka: Záporné číslo znamená ztrátu pro domácnosti (ale výnos či úsporu pro veřejné rozpočty). Zdroj: vlastní výpočty, SILC N = Celkové náklady na reformy dopadají primárně na domácnosti, které měly před reformou reziduální příjem v kladných hodnotách. Naprosté většině těchto domácností zůstal kladný reziduální příjem i po reformách. Je na místě však také upozornit na to, že odstranění úrokového odpočtu a změna konstrukce daně z nemovitosti by vedla k tomu, že by se některé domácnosti (především domácnosti vlastníků s nízkými příjmy) dostaly kvůli provedeným reformám do situace, kdy jejich reziduální příjem bude záporný. Takové domácnosti by se ovšem následně kvalifikovaly k získání podpory, na kterou původně neměly nárok. 65

67 Závěry a doporučení V tomto textu jsme se snažili odpovědět otázku: Jak nastavit vybrané nástroje bytové politiky tak, aby lépe splňovaly následující kritéria: 1) anticykličnost; 2) neutralita bytové politiky ve prospěch různých právních forem bydlení; 3) redistribuce bohatství směrem k příjmově slabším domácnostem. Simulacím podléhaly následující nástroje bytové politiky: úrokový odpočet, daň z nemovitosti, podpora sociálního bydlení formou slev na nájemném v obecních bytech, podpora výstavby sociálního nájemního bydlení a příspěvek na bydlení. Ukázalo se, že námi testované nástroje v současné podobě vždy minimálně jeden z výše uvedených požadavků (kritérií) nesplňují, a proto jsme přikročili k návrhu jejich alternativního nastavení (v případě úrokového odpočtu dokonce k návrhu jeho úplného zrušení). Daňová úleva, při které si vlastníci zakoupené nemovitosti, která jim slouží k bydlení, mohou odečítat úroky ze zaplacených splátek úvěrů, podporuje převážně bohatší domácnosti, takže má jednoznačně příjmově regresivní charakter. Z toho důvodu nesplňuje ani podmínku tenure neutrality ani nevede k redistribuci bohatství směrem k domácnostem s nižšími příjmy (ve skutečnosti funguje v tomto ohledu právě opačně). Daň z nemovitosti je v porovnání s ostatními zeměmi OECD v České republice velmi nízká a neplní funkci redistribuce bohatství směrem k sociálně potřebným. Mimo to neodráží dostatečně regionální rozdíly v cenách nemovitostí. Sleva na nájemném u domácností se zápornými reziduálními příjmy bydlících v nájemních bytech ve vlastnictví obcí není jako prostředek bytové politiky systematicky používána, přestože je její uplatnění administrativně jednoduché a náklady na její aplikaci jsou relativně nízké. Stávající podoba podpory výstavby nájemních bytů je příliš široce zaměřená, takže není dostatečně cílená na skupiny domácností, které by pomoc nejvíce potřebovaly. V současném programu podpory výstavby nájemních bytů také není zakomponováno žádné opatření působící anticyklicky. Stávající příspěvek na bydlení je sice zacílen na příjmově nejslabší domácnosti a splňuje tedy podmínku redistribuce prostředků směrem k sociálně potřebným domácnostem, současně však nesplňuje podmínku tenure neutrality, protože jej pobírá velká část vlastníků bydlení, kteří jsou po zohlednění hodnoty jejich majetku zpravidla bohatší než nájemníci ve stejné příjmové kategorii. Kromě toho, stávající normativní náklady vstupující do výpočtu příspěvku neodrážejí v dostatečné míře reálnou regionální diferenciaci nákladů na bydlení; v některých regionech/zónách jsou výrazně nad úrovní průměrných nákladů na bydlení a v některých zónách naopak výrazně pod úrovní průměrných nákladů na bydlení. Na základě podrobné analýzy dostupných dat o českých domácnostech a zmapování současného nastavení vybraných nástrojů bytové politiky včetně testování jejich alternativního nastavení předkládáme následující návrh reformy vybraných nástrojů bytové politiky: 1. Úplné zrušení úrokového odpočtu zejména s ohledem na jeho regresivní charakter a na skutečnost, že nesplňuje požadavek tenure neutrality, protože představuje výhodu, které mohou využít pouze domácnosti vlastníků bydlení splácející hypoteční úvěr. V důsledku toho může vést (a zřejmě i vede) k distorzi na trhu s bydlením ve smyslu větší preference vlastnického bydlení. V neposlední řadě nesplňuje ani požadavek na anticykličnost. 2. Změna konstrukce výpočtu daně z nemovitosti na tzv. valorickou daň, tedy daň, jejíž výše je odvozovaná od tržní hodnoty nemovitosti. Vlastní sazba daně je stanovena pro různé zóny odlišně podle principu, že v územích s vyšší cenovou hladinou bytů je sazba daně vyšší, zatímco v územích s nižší cenovou hladinou bytů je sazba daně nižší (analogicky progresivnímu zdanění daně z příjmů). Sazba daně je navíc nastavena tak, aby došlo ke zdvojnásobení výnosu daně z nemovitosti. Toto opatření je doplněno zavedením 50% slevy na dani pro příjmově slabší domácnosti (definované zde pro účely simulací jako domácnosti se záporným reziduálním příjmem). 3. Zavedení podpory sociálního bydlení s využitím existujícího bytového fondu obcí formou slev na nájemném u domácností se záporným reziduálním příjmem. Ačkoliv v této studii nebylo provedeno detailnější zacílení, tato forma podpory by se měla týkat zejména domácností, u kterých nelze objektivně očekávat, že by se mohly zapojit do pracovního procesu: domácností seniorů, domácností s členy s handicapem, matek/otců s nezletilými dětmi na rodičovské dovolené a podobně. Návrh předpokládá, že obec sníží nájemníkům selektivně nájemné tak, aby domácnost neměla záporný reziduální příjem. Obec přitom zachová hodnotu minimálního nájemného 20 Kč na m 2 měsíčně pro všechny nájemníky, tedy i pro ty, kterým snížení nájemného na 20 Kč za m 2 66

68 nepomůže dosáhnout nezáporného reziduálního příjmu. Nájemné 20 Kč za m 2 je zvoleno jako minimální výše příspěvku do fondu oprav. Náklady na toto opatření pro rozpočty obcí jsou kompenzovány z výnosu zvýšené daně z nemovitosti. Zavedení tohoto opatření navíc sníží výdaje státu spojené s příspěvkem na bydlení a výdaje státu v oblasti podpory výstavby nových sociálních nájemních bytů. 4. Alternativní nastavení parametrů programu na podporu výstavby sociálního nájemního bydlení spočívající v poskytování přímé dotace (nevratného grantu) na výstavbu nového nájemního bydlení pro podstatně úžeji definovanou cílovou skupinu, než jak ji definuje současný program konkrétně pro domácnosti důchodců s členy nad 70 let, jejichž příjmy po uhrazení nákladů na bydlení jsou nižší než 200 % životního minima. Výstavba státem podporovaných bytů pro seniory by přitom měla probíhat v rámci běžné komerční výstavby, aby došlo k žádoucímu promísení domácností seniorů s ostatními domácnostmi: investorem bytu či několika bytů v rámci konkrétního bytového projektu by sice byla obec či nezisková organizace, ale ostatní byty projektu by byly pronajaty nebo prodány za tržních podmínek. Novým rysem navržené alternativy je také zavedení prvku anticykličnosti spočívající v navrhování objemu finančních prostředků určených pro daný program pro jednotlivé rozpočtové roky v návaznosti na dubnovou predikci vývoje HDP každoročně zpracovávanou Ministerstvem financí podle principu, který zvyšuje objem prostředků určených k podpoře výstavby v dobách ekonomických problémů a naopak snižuje v dobách konjunktury. 5. Alternativní nastavení příspěvku na bydlení, které vyžaduje změnu normativních nákladů na bydlení tak, aby lépe zohledňovaly regionální rozdíly v tržním nájemném a skutečné náklady vlastníků bydlení i nájemníků. Jako nejlepší se ukázala varianta, kdy jsou normativní náklady pro domácnosti nájemníků stanoveny ve výši 90 % průměrných skutečných nákladů na bydlení podle SILC 2009 v novém regionálním členění (s výjimkou venkovských obcí) a normativní náklady pro domácnosti vlastníků a družstevníků zahrnují pouze náklady na energie a další služby spojené s užíváním bydlení. Alternativní nastavení normativních nákladů by rovněž vedlo k větší podpoře domácností nájemníků v porovnání s domácnostmi vlastníků bydlení. Navržené úpravy výše uvedených nástrojů bytové politiky jsou z hlediska veřejných financí úsporné, protože by mohly přinést odhadem 3 4 mld. Kč ročně do veřejných rozpočtů. Finanční náklady spojené s reformou nástrojů bytové politiky by nesly zejména příjmově nejsilnější domácnosti a profitovaly z ní především domácnosti patřící do tří dolních příjmových decilových skupin. Opatření zároveň oslabují dnešní výraznou podporu vlastnického bydlení na úkor nájemního bydlení, takže posilují princip tenure neutrality. Některé z navržených úprav mají anticyklické efekty dodatečné fiskální stimuly v dobách ekonomických problémů. 67

69 Literatura Andrews, D., A. C. Sánchez Drivers of Homeownership Rates in Selected OECD Countries. OECD Economics Department Working Papers, No. 849 [on-line]. Paris: OECD Publishing [cit ]. Dostupné z: < doclanguage=en>. Andrews, D., A. C. Sánchez, Å. Johansson Housing Markets and Structural Policies in OECD Countries. OECD Economics Department Working Papers, No. 836 [on-line]. Paris: OECD Publishing. Dostupné z: < ČSÚ Postavení venkova v krajích ČR. [on-line]. Praha: Český statistický úřad [cit ]. Dostupné z: < Ellis, L The Housing Meltdown: Why Did It Happen in the United States? BIS Working Papers No. 259 [on-line]. Basel: Bank for International Settlements [cit ]. Dostupné z: < work259.pdf>. Haffner, M. E. A Tenure Neutrality, a Finantial Interpretation. Housing, Theory & Society 20 (2): Hegedüs, J., M. Lux, P. Sunega Decline and Depression: the Impact of the Global Economic Crisis on Housing Markets in Two Post-socialist States. Journal of Housing and the Built Environment 26 (3): Johansson, A Housing Policies in OECD and Candidate for Accession Countries: Survey-Based Data and Implications. OECD Economics Department Working Papers. Paris: OECD. Kemp, P. A. (ed.) Housing Allowances in Comparative Perspective. Bristol: The Policy Press. Lux, M Housing Policy and Housing Finance in the Czech Republic during Transition. Delft: Delft University Press. Lux, M. (ed.) Standardy bydlení 2010/2011: Sociální nerovnosti a tržní rizika v bydlení. Praha: Sociologický ústav AV ČR, v.v.i. Lux, M., P. Sunega Nástroje zvyšující dostupnost bydlení: Teoretické a empirické zhodnocení nástrojů bytové politiky. Praha: Sociologický ústav AV ČR, v.v.i. Lux, M., P. Sunega, P. Boelhouwer The Effectiveness of Selected Housing Subsidies in the Czech Republic. Journal of Housing and the Built Environment 24 (3): Lux, M., P. Sunega, T. Kostelecký, D. Čermák, P. Košinár Standardy bydlení 2003/2004: Bytová politika v ČR: efektivněji a cíleněji. Praha: Sociologický ústav AV ČR. Lux, M., P. Sunega, M. Obadalová, Z. Vajdová, D. Čermák et al Bydlení věc veřejná. Praha: Sociologické nakladatelství (SLON). Sunega, P Efektivnost vybraných nástrojů bytové politiky v České republice. Sociologický časopis / Czech Sociological Review 41 (2): Thalmann, P Tenure-neutral and Equitable Housing Taxation. Urban Studies 44 (2): Whitehead, Ch. M. E., K. Gibb Towards the More Effective Use of Housing Subsidy: Mobilisation and Targeting Resources. Housing Studies 22 (2):

70 Reforma bytové politiky v ČR: návrh a výsledky simulací Petr Sunega, Robert Jahoda, Tomáš Kostelecký, Martin Lux, Karel Báťa Studie nebyla recenzována a text neprošel jazykovou korekturou. Redakce: Marta Svobodová Obálka: Jaroslav Kašpar Sazba: Jakub Kubů Tisk a vazba: ERMAT Praha, s. r. o., Antala Staška 1021/55, Praha 4 Vydal: Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 1. vydání Praha 2011 Počet výtisků: 200 ks Distribuce: Tiskové a ediční oddělení Sociologického ústavu AV ČR, v.v.i. tel.: , fax: prodej@soc.cas.cz

71 Text se snaží odpovědět na otázku, jak nastavit vybrané nástroje bytové politiky tak, aby lépe splňovaly požadavky podpory stability bytového trhu - aby v období ekonomického růstu spíše tlumily poptávku po vlastnickém bydlení, zatímco v období krize ji naopak stimulovaly, podporovaly neutralitu bytové politiky ve prospěch různých právních forem bydlení a redistribuovaly bohatství směrem k příjmově slabším domácnostem. Na základě podrobné analýzy dostupných dat o českých domácnostech a zmapování současného nastavení vybraných nástrojů bytové politiky, včetně testování jejich alternativního nastavení, předkládají autoři vlastní návrh reformy vybraných nástrojů bytové politiky. Autoři prosazují alternativní nastavení daně z nemovitosti, sociálního bydlení, příspěvku na bydlení a v případě daňové úlevy navrhují její úplné zrušení.

Regionální disparity ve finanční dostupnosti nájemního bydlení

Regionální disparity ve finanční dostupnosti nájemního bydlení Regionální disparity ve finanční dostupnosti nájemního bydlení Martina Mikeszová Jilská 1 110 00 Praha 1 martina.mikeszova@soc.cas.cz Oddělení ekonomické sociologie, tým socioekonomie bydlení Struktura

Více

Dopady hospodářské krize na finanční dostupnost bydlení analýza a možné nástroje státu

Dopady hospodářské krize na finanční dostupnost bydlení analýza a možné nástroje státu Dopady hospodářské krize na finanční dostupnost bydlení analýza a možné nástroje státu Petr SUNEGA petr.sunega@soc.cas.cz http://seb.soc.cas.cz Oddělení socioekonomie bydlení Struktura prezentace Představení

Více

Výsledky zmapování regionálních disparit ve finanční dostupnosti bydlení

Výsledky zmapování regionálních disparit ve finanční dostupnosti bydlení Výsledky zmapování regionálních disparit ve finanční dostupnosti bydlení Martina Mikeszová Oddělení ekonomické sociologie, tým socioekonomie bydlení DC001 Cíl: Kvantifikace a deskripce vývoje finanční

Více

Potenciální finanční nedostupnost nájemního bydlení z regionálního pohledu

Potenciální finanční nedostupnost nájemního bydlení z regionálního pohledu Potenciální finanční nedostupnost nájemního bydlení z regionálního pohledu Martina Mikeszová Jan Sládek Oddělení socioekonomie bydlení, Socioekonomie bydlení Struktura prezentace Výzkumná otázka Měření

Více

Metodika identifikace domácností potenciálně ohrožených sociálním vyloučením v důsledku nízké finanční dostupnosti bydlení

Metodika identifikace domácností potenciálně ohrožených sociálním vyloučením v důsledku nízké finanční dostupnosti bydlení Metodika identifikace domácností potenciálně ohrožených sociálním vyloučením v důsledku nízké finanční dostupnosti bydlení Anne MORISSEAU Oddělení ekonomické sociologie, tým socioekonomie bydlení Reziduální

Více

Vymezení klasifikace hlavních skupin domácností ohrožených finanční nedostupností bydlení z důvodu hospodářské krize

Vymezení klasifikace hlavních skupin domácností ohrožených finanční nedostupností bydlení z důvodu hospodářské krize Vymezení klasifikace hlavních skupin domácností ohrožených finanční nedostupností bydlení z důvodu hospodářské krize Martina Mikeszová Oddělení socioekonomie bydlení A09101 Aktivita se soustředí na zmapování

Více

CENY A NÁJEMNÉ RODINNÝCH DOMŮ. ZÁVISLOST CENY A NÁJEMNÉHO m 2 BYTU NA JEHO VELIKOSTI

CENY A NÁJEMNÉ RODINNÝCH DOMŮ. ZÁVISLOST CENY A NÁJEMNÉHO m 2 BYTU NA JEHO VELIKOSTI Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit WD - VÝZKUM PRO ŘEŠENÍ REGIONÁLNÍCH DISPARIT - BYDLENÍ CENY A NÁJEMNÉ RODINNÝCH

Více

Dopady hospodářské krize na trh s bydlením v České republice

Dopady hospodářské krize na trh s bydlením v České republice Dopady hospodářské krize na trh s bydlením v České republice Kdo patřil k nejvíce ohroženým a jak mohou nástroje bytové politiky potenciálně zmírnit problémy těchto skupin? Tomáš Kostelecký Petr Sunega

Více

Nástroje ke zvýšení finanční dostupnosti bydlení za cílem pozitivně ovlivnit demografické chování mladé generace Jana Vobecká, Tomáš Kostelecký jana.vobecka@soc.cas.cz tomas.kostelecky@soc.cas.cz Struktura

Více

Regionální disparity ve finanční dostupnosti bydlení

Regionální disparity ve finanční dostupnosti bydlení 2008 Regionální disparity ve finanční dostupnosti bydlení Petra Sedláková Abstrakt: Cílem příspěvku je informovat o projektu podporovaném Ministerstvem pro místní rozvoj ČR "Regionální disparity v dostupnosti

Více

Souvislosti sociálního bydlení a finančně dostupného bydlení

Souvislosti sociálního bydlení a finančně dostupného bydlení Souvislosti sociálního bydlení a finančně dostupného bydlení Jan Snopek, Platforma pro sociální bydlení Finančně dostupné bydlení: sdílená odpovědnost veřejného a soukromého sektoru II Financováno z prostředků

Více

Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit

Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit Představení projektu Ing. Mgr. Martin Lux hlavní řešitel projektu Sociologický

Více

Aktivita A10101: Nástroje politik k zamezení negativních dopadů vývoje trhu bydlení

Aktivita A10101: Nástroje politik k zamezení negativních dopadů vývoje trhu bydlení Aktivita A10101: Nástroje politik k zamezení negativních dopadů vývoje trhu bydlení Tomáš Kostelecký Petr Sunega Karel Báťa Oddělení ekonomické sociologie, tým socioekonomie bydlení Aktivita A10101 Cíle

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva listopad 2016 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém

Více

Podpora bydlení segmentace trhu

Podpora bydlení segmentace trhu C. Grafická příloha Podpora bydlení segmentace trhu Cílová skupina Forma bydlení Forma podpory Domácnosti s vyššími příjmy Vlastnické bydlení Soukromý nájemní ziskový sektor Daňové úlevy Úrokové dotace

Více

Nájemní bydlení jak dál?

Nájemní bydlení jak dál? Nájemní bydlení jak dál? Ing. Mgr. Martin LUX, Ph.D. Sociologický ústav AV ČR, v.v.i Jilská1 110 00 Praha 1 martin.lux@soc.cas.cz http://seb.soc.cas.cz Východiska SFRB a podpora výstavby nájemních bytů

Více

Vývoj cen bytů v ČR Ing. Jiří Aron 1. Úvod

Vývoj cen bytů v ČR Ing. Jiří Aron 1. Úvod Vývoj cen bytů v ČR Ing. Jiří Aron 1. Úvod Tento příspěvek se zabývá cenami bytů a jejich dostupností, tedy dostupností vlastnictví bytů (vlastnického bydlení). Dostupnost bydlení je primárně závislá na

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva leden 2019 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Krajská pobočka Úřadu práce ČR v Karlových Varech. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Karlových Varech. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Karlových Varech Měsíční statistická zpráva srpen 2016 Zpracovala: Ing. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva srpen 2014

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva srpen 2014 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva srpen 2014 Zpracovala: Bc. Veronika Dankanicsová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva říjen 2014

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva říjen 2014 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva říjen 2014 Zpracovala: Bc. Veronika Dankanicsová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva červenec 2017 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva září 2015

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva září 2015 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva září 2015 Zpracovala: Ing. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva listopad 2016 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva září 2014

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva září 2014 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva září 2014 Zpracovala: Bc. Veronika Dankanicsová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Jihlavě Měsíční statistická zpráva prosinec 2018 Zpracoval: Pavel Literák, MSc. http://portal.mpsv.cz/upcr/kp/vys/statisticke_prehledy/bulletin Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva srpen 2017 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Jihlavě Měsíční statistická zpráva 2019 Zpracoval: Pavel Literák, MSc. http://portal.mpsv.cz/upcr/kp/vys/statisticke_prehledy/bulletin Informace o nezaměstnanosti v Kraji

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva duben 2015

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva duben 2015 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva duben 2015 Zpracovala: Ing. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Úřad práce České republiky krajská pobočka v Plzni. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka v Plzni. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka v Plzni Měsíční statistická zpráva listopad 2015 Zpracoval: Tomáš Moravec, DiS. http://portal.mpsv.cz/upcr/kp/plk/statistiky Informace o nezaměstnanosti v Plzeňském

Více

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Plzni Měsíční statistická zpráva květen 2017 Zpracoval: Tomáš Moravec, DiS. http://portal.mpsv.cz/upcr/kp/plk/statistiky Informace o nezaměstnanosti v Plzeňském kraji k

Více

Možnosti zapojení finančních nástrojů do podpory sociálního bydlení Zpracováno ve spolupráci s generálním zmocněncem pro inovativní finanční nástroje

Možnosti zapojení finančních nástrojů do podpory sociálního bydlení Zpracováno ve spolupráci s generálním zmocněncem pro inovativní finanční nástroje Možnosti zapojení finančních nástrojů do podpory sociálního bydlení Zpracováno ve spolupráci s generálním zmocněncem pro inovativní finanční nástroje 4. 11. 2013 Agenda Cílem prezentace je: Na základě

Více

Vývoj disparit v cenách rodinných domů Ing. Jiří Aron

Vývoj disparit v cenách rodinných domů Ing. Jiří Aron Vývoj disparit v cenách rodinných domů Ing. Jiří Aron Úvod Cílem této práce je statické zpracování a vyhodnocení vývoje cen na trhu rezidenčních nemovitostí ČR ve sledovaném časovém úseku let 2007 až 2009,

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva leden 2016

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva leden 2016 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva leden 2016 Zpracovala: Ing. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Tržní cena bydlení v prostoru a čase

Tržní cena bydlení v prostoru a čase Diskusní setkání Stavebního fóra, f FOR ARCH 2008, PVA Letňany, 25.9.2008 Tržní cena bydlení v prostoru a čase Ing. Mgr. Martin LUX Jilská 1 110 00 Praha 1 martin.lux@soc.cas.cz http://seb.soc.cas.cz Tržní

Více

Úřad práce ČR. Měsíční statistická zpráva 9/ Krajská pobočka Úřadu práce ČR v Olomouci

Úřad práce ČR. Měsíční statistická zpráva 9/ Krajská pobočka Úřadu práce ČR v Olomouci Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva 9/2019 Zprávu předkládá: Mgr. Jana Litvíková vedoucí Oddělení metodiky http://portal.mpsv.cz/upcr/kp/olk Olomouc 2019 www.uradprace.cz

Více

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Jihlavě Měsíční statistická zpráva prosinec 2016 Zpracoval: Pavel Literák, BA(Hons) http://portal.mpsv.cz/upcr/kp/vys/statisticke_prehledy/bulletin Informace o nezaměstnanosti

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva listopad 2014

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva listopad 2014 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva listopad 2014 Zpracovala: Bc. Veronika Dankanicsová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva březen 2017 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva září 2018 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Fakulta stavební VŠB TUO

Fakulta stavební VŠB TUO Fakulta stavební VŠB TUO Hodnocení existujících nástrojů státu, které jsou zaměřeny na zvýšení fyzické dostupnosti bydlení a snížení regionálních disparit ve fyzické dostupnosti bydlení Renata Zdařilová

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva únor 2018 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Úřad práce ČR. Měsíční statistická zpráva Srpen Krajská pobočka Úřadu práce ČR v Karlových Varech

Úřad práce ČR. Měsíční statistická zpráva Srpen Krajská pobočka Úřadu práce ČR v Karlových Varech Krajská pobočka Úřadu práce ČR v Karlových Varech Měsíční statistická zpráva Srpen 2019 Zprávu předkládá: Mgr. Jana Belblová vedoucí Oddělení metodiky https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva srpen 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva březen 2014 Zpracovala: Bc. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva květen 2014 Zpracovala: Mgr. Petra Dolejšová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Metodika identifikace domácností potenciálně ohrožených sociálním vyloučením v důsledku nízké finanční dostupnosti bydlení

Metodika identifikace domácností potenciálně ohrožených sociálním vyloučením v důsledku nízké finanční dostupnosti bydlení Metodika identifikace domácností potenciálně ohrožených sociálním vyloučením v důsledku nízké finanční dostupnosti bydlení Anne MORISSEAU Oddělení ekonomické sociologie, tým socioekonomie bydlení Metodika

Více

Počet poskytovatelů licencí Počet platných licencí Přijaté licenční poplatky (v mil. Kč) Nové odrůdy rostlin a plemen zvířat. Patent.

Počet poskytovatelů licencí Počet platných licencí Přijaté licenční poplatky (v mil. Kč) Nové odrůdy rostlin a plemen zvířat. Patent. Analytická část Úvod Předmětem následujícího textu jsou zjištění, plynoucí ze statistického šetření Českého statistického úřadu o licencích za rok 2014, zaměřeného na poskytovatele licencí, počty platných

Více

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Jihlavě. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Jihlavě Měsíční statistická zpráva 2018 Zpracoval: Pavel Literák, MSc. http://portal.mpsv.cz/upcr/kp/vys/statisticke_prehledy/bulletin Informace o nezaměstnanosti v Kraji

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva listopad 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva duben 2014 Zpracovala: Mgr. Petra Dolejšová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Statistická ročenka půdního fondu České republiky

Statistická ročenka půdního fondu České republiky Statistická ročenka půdního fondu České republiky Český úřad zeměměřický a katastrální Praha 2006 ČESKÝ ÚŘAD ZEMĚMĚŘICKÝ A KATASTRÁLNÍ S T A T I S T I C K Á R O Č E N K A P Ů D N Í H O F O N D U Č E S

Více

Úřad práce ČR. Měsíční statistická zpráva 5/ Krajská pobočka Úřadu práce ČR v Olomouci

Úřad práce ČR. Měsíční statistická zpráva 5/ Krajská pobočka Úřadu práce ČR v Olomouci Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva 5/2019 Zprávu předkládá: Bc. Jaroslav Mikšaník Analytik trhu práce http://portal.mpsv.cz/upcr/kp/olk Olomouc 2019 www.uradprace.cz 1

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva červenec 2014

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva červenec 2014 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva červenec 2014 Zpracovala: Bc. Veronika Dankanicsová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace

Více

FAKTORY OVLIVŇUJÍCÍ DOSTUPNOST BYDLENÍ Z POHLEDU MINISTERSTVA FINANCÍ. ALENA SCHILLEROVÁ I Fórum Zlaté koruny

FAKTORY OVLIVŇUJÍCÍ DOSTUPNOST BYDLENÍ Z POHLEDU MINISTERSTVA FINANCÍ. ALENA SCHILLEROVÁ I Fórum Zlaté koruny FAKTORY OVLIVŇUJÍCÍ DOSTUPNOST BYDLENÍ Z POHLEDU MINISTERSTVA FINANCÍ ALENA SCHILLEROVÁ 11. 12. 2018 I Fórum Zlaté koruny FAKTORY NA STRANĚ POPTÁVKY EKONOMICKÁ KONJUNKTURA Vysoký růst mezd Velmi nízká

Více

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva. květen Zpracoval: Tomáš Moravec, DiS.

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva. květen Zpracoval: Tomáš Moravec, DiS. Krajská pobočka Úřadu práce ČR v Plzni Měsíční statistická zpráva květen 2018 Zpracoval: Tomáš Moravec, DiS. http://portal.mpsv.cz/upcr/kp/plk/statistiky Informace o nezaměstnanosti v Plzeňském kraji k

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva listopad 2017 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva květen 2018 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Úřad práce ČR. Měsíční statistická zpráva Září Krajská pobočka Úřadu práce ČR v Karlových Varech

Úřad práce ČR. Měsíční statistická zpráva Září Krajská pobočka Úřadu práce ČR v Karlových Varech Krajská pobočka Úřadu práce ČR v Karlových Varech Měsíční statistická zpráva Září 2019 Zprávu předkládá: Mgr. Jana Belblová vedoucí Oddělení metodiky https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Karlovy

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva únor 2017 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji k

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva leden 2017 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Úřad práce ČR. Měsíční statistická zpráva Březen Krajská pobočka Úřadu práce ČR v Jihlavě

Úřad práce ČR. Měsíční statistická zpráva Březen Krajská pobočka Úřadu práce ČR v Jihlavě Krajská pobočka Úřadu práce ČR v Jihlavě Měsíční statistická zpráva Březen 2019 Zprávu předkládá: Pavel Literák, MSc. analytik trhu práce http://portal.mpsv.cz/upcr/kp/vys/statisticke_prehledy/bulletin

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva leden 2018 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva duben 2017 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva květen 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva říjen 2018 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva únor 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva červen 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva leden 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Plzni Měsíční statistická zpráva leden 2017 Zpracoval: Tomáš Moravec, DiS. http://portal.mpsv.cz/upcr/kp/plk/statistiky Informace o nezaměstnanosti v Plzeňském kraji k

Více

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Plzni Měsíční statistická zpráva prosinec 2016 Zpracoval: Tomáš Moravec, DiS. http://portal.mpsv.cz/upcr/kp/plk/statistiky Informace o nezaměstnanosti v Plzeňském kraji

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva červenec 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve

Více

Krajská pobočka Úřadu práce ČR v Karlových Varech. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Karlových Varech. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Karlových Varech Měsíční statistická zpráva říjen 2016 Zpracovala: Ing. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR v Karlových Varech. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Karlových Varech. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Karlových Varech Měsíční statistická zpráva září 2016 Zpracovala: Ing. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva srpen 2016 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva září 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva únor 2014 Zpracovala: Mgr. Petra Dolejšová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva červenec 2017 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva květen 2018 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Úřad práce České republiky krajská pobočka v Liberci. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka v Liberci. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka v Liberci Měsíční statistická zpráva říjen 2015 Zpracoval: Ing. Petr Malkovský https://portal.mpsv.cz/upcr/kp/lbk/kop/liberec/statistiky Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva. prosinec Zpracoval: Ing. Ivona Macůrková

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva. prosinec Zpracoval: Ing. Ivona Macůrková Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva prosinec 2018 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva. duben Zpracoval: Tomáš Moravec, DiS.

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva. duben Zpracoval: Tomáš Moravec, DiS. Krajská pobočka Úřadu práce ČR v Plzni Měsíční statistická zpráva duben 2018 Zpracoval: Tomáš Moravec, DiS. http://portal.mpsv.cz/upcr/kp/plk/statistiky Informace o nezaměstnanosti v Plzeňském kraji k

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva duben 2016 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Úřad práce ČR. Měsíční statistická zpráva květen Krajská pobočka Úřadu práce ČR ve Zlíně

Úřad práce ČR. Měsíční statistická zpráva květen Krajská pobočka Úřadu práce ČR ve Zlíně Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva květen 2019 Zprávu předkládá: Ing. Ivona Macůrková analytik trhu práce http://portal.mpsv.cz/upcr/kp/zlk/statistika Zlín 2019 1 www.uradprace.cz

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva duben 2018 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva červen 2018 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva červenec 2015

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva červenec 2015 Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva červenec 2015 Zpracovala: Ing. Veronika Považanová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o

Více

Úřad práce ČR. Měsíční statistická zpráva červen Krajská pobočka Úřadu práce ČR ve Zlíně

Úřad práce ČR. Měsíční statistická zpráva červen Krajská pobočka Úřadu práce ČR ve Zlíně Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva červen 2019 Zprávu předkládá: Ing. Vladimíra Lutonská vedoucí oddělení metodiky http://portal.mpsv.cz/upcr/kp/zlk/statistika Zlín 2019

Více

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka v Karlových Varech. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka v Karlových Varech Měsíční statistická zpráva prosinec 2013 Zpracovala: Mgr. Petra Dolejšová https://portal.mpsv.cz/upcr/kp/kvk/tiskove_zpravy Informace o nezaměstnanosti

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva červen 2017 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva leden 2017 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Krajská pobočka Úřadu práce ČR v Liberci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Liberci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Liberci Měsíční statistická zpráva Leden 2019 Zpracoval: Ing. Petr Malkovský https://portal.mpsv.cz/upcr/kp/lbk/kop/liberec/statistiky Informace o nezaměstnanosti v Libereckém

Více

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Plzni. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Plzni Měsíční statistická zpráva únor 2017 Zpracoval: Tomáš Moravec, DiS. http://portal.mpsv.cz/upcr/kp/plk/statistiky Informace o nezaměstnanosti v Plzeňském kraji k 28.

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva srpen 2017 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva prosinec 2017 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva říjen 2015 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském

Více

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva

Úřad práce České republiky krajská pobočka ve Zlíně. Měsíční statistická zpráva Úřad práce České republiky krajská pobočka ve Zlíně Měsíční statistická zpráva prosinec 2014 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve

Více

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR ve Zlíně. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR ve Zlíně Měsíční statistická zpráva únor 2018 Zpracoval: Ing. Ivona Macůrková http://portal.mpsv.cz/upcr/kp/zlk/statistika Informace o nezaměstnanosti ve Zlínském kraji k

Více

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva

Krajská pobočka Úřadu práce ČR v Olomouci. Měsíční statistická zpráva Krajská pobočka Úřadu práce ČR v Olomouci Měsíční statistická zpráva květen 2017 Zpracoval: Bc. Jaroslav Mikšaník http://portal.mpsv.cz/upcr/kp/olk/statistiky Informace o nezaměstnanosti v Olomouckém kraji

Více

Metodické postupy: Nástroje ke zvýšení finanční dostupnosti bydlení za cílem pozitivně ovlivnit demografické chování mladé generace

Metodické postupy: Nástroje ke zvýšení finanční dostupnosti bydlení za cílem pozitivně ovlivnit demografické chování mladé generace Metodické postupy: Nástroje ke zvýšení finanční dostupnosti bydlení za cílem pozitivně ovlivnit demografické chování mladé generace Tomáš Kostelecký, Jana Vobecká tomas.kostelecky@soc.cas.cz jana.vobecka@soc.cas.cz

Více