Souhrnná zpráva k DC 001

Transkript

1 Souhrnná zpráva k DC 001 Zmapování vývoje i regionálních disparit (mezi regiony NUTS 3) ve finanční dostupnosti bydlení pro jednotlivé právní typy bydlení, segmenty trhu a typy českých domácností v letech Martin Lux Martina Mikeszová Petr Sunega Tomáš Kostelecký Milada Kadlecová Michal Hadlač Milan Polednik 1

2 Obsah: ÚVOD... 3 METODIKA VÝPOČTU REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI BYDLENÍ... 4 MĚŘENÍ FINANČNÍ DOSTUPNOSTI BYDLENÍ... 4 ZDROJE DAT... 6 POSTUP VÝPOČTU INDIKÁTORŮ FINANČNÍ DOSTUPNOSTI BYDLENÍ A ZMAPOVÁNÍ DISPARIT VE FINANČNÍ DOSTUPNOSTI BYDLENÍ... 7 Vytvoření typologie domácností... 8 Výpočet čistých příjmů domácností... 9 Vytvoření typologie bydlení Stanovení průměrných tržních cen a tržních nájmů Přiřazení typu bydlení k typu domácnosti Výpočet indikátorů finanční dostupnosti bydlení Zmapování regionálních disparit ve finanční dostupnosti bydlení VÝVOJ VE FINANČNÍ DOSTUPNOSTI NÁJEMNÍHO BYDLENÍ A REGIONÁLNÍ DISPARITY VE FINANČNÍ DOSTUPNOSTI NÁJEMNÍHO BYDLENÍ VÝVOJ FINANČNÍ DOSTUPNOSTI NEPRIVILEGOVANÉHO NÁJEMNÍHO BYDLENÍ V JEDNOTLIVÝCH KRAJÍCH ČR VÝVOJ REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI NEPRIVILEGOVANÉHO NÁJEMNÍHO BYDLENÍ VÝVOJ FINANČNÍ DOSTUPNOSTI PRIVILEGOVANÉHO NÁJEMNÍHO BYDLENÍ V JEDNOTLIVÝCH KRAJÍCH ČR VÝVOJ REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI PRIVILEGOVANÉHO NÁJEMNÍHO BYDLENÍ OHROŽENÍ FINANČNÍ NEDOSTUPNOSTÍ NÁJEMNÍHO BYDLENÍ VÝVOJ A REGIONÁLNÍ DISPARITY VE FINANČNÍ DOSTUPNOSTI VLASTNICKÉHO BYDLENÍ VÝVOJ FINANČNÍ DOSTUPNOSTI VLASTNICKÉHO BYDLENÍ V JEDNOTLIVÝCH KRAJÍCH ČR VÝVOJ REGIONÁLNÍCH DISPARIT VE FINANČNÍ DOSTUPNOSTI VLASTNICKÉHO BYDLENÍ OHROŽENÍ FINANČNÍ NEDOSTUPNOSTÍ VLASTNICKÉHO BYDLENÍ ZÁVĚR LITERATURA PŘÍLOHY

3 Úvod V rámci projektu Regionální disparity v dostupnosti bydlení, jejich socioekonomické důsledky a návrhy opatření na snížení regionálních disparit byl řešen jeden z prvních dílčích cílů, kterým byla kvantifikace a deskripce vývoje finanční dostupnosti bydlení a vývoje regionálních disparit ve finanční dostupnosti bydlení pro jednotlivé kraje NUTS 3 a mezi nimi v letech Cílem analýz bylo zmapovat vývoj finanční dostupnosti nájemního i vlastnického bydlení v jednotlivých krajích ČR v letech pro různé typy domácností, postihnout vývoj regionálních rozdílů ve finanční dostupnosti bydlení a následně identifikovat domácnosti potencionálně ohrožené finanční nedostupností bydlení. Jelikož v České republice neexistuje takový datový soubor, který by umožnil jednoduchou analýzu regionálních disparit ve finanční dostupnosti bydlení, tj. analýzu skutečných disparit na základě znalosti konkrétních domácností s jejich konkrétními výdaji a příjmy, byl v tomto projektu použit alternativní metodický postup. V prvním kroku byly definovány typy domácností na základě složení domácnosti (počet členů, počet dětí), ekonomické aktivity jejích členů a postavení v zaměstnání (60 hlavních typů domácností); vedle toho byly definovány čtyři kategorie velikosti bytu, které byly následně přiřazeny k jednotlivým typům domácnosti podle počtu jejích členů (přiměřené bydlení). Indikátory finanční dostupnosti bydlení pro jednotlivé typy domácností byly poté vypočteny za pomocí dat o čistých průměrných příjmech domácností odhadnutých softwarovou simulací daní a dávek na datech regionální hrubé příjmové statistiky Českého statistického úřadu (hrubé mzdy zaměstnanců), datech Ministerstva práce a sociálních věcí a Ministerstva financí týkajících se státní sociální podpory, a za pomocí dat o průměrných tržních nájmech, průměrných regulovaných nájmech a průměrných cenách bytů v jednotlivých českých regionech v letech zjištěných Institutem regionálních informací, s.r.o. Na základě vzniklé databáze mapující finanční dostupnost nájemního i vlastnického bydlení pro 60 typů domácností ve všech krajích od roku 2000 do roku 2006 byla provedena analýza vývoje regionálních rozdílů (disparit) v dostupnosti nájemního i vlastnického bydlení. Cílem této analýzy však nebylo srovnání skutečné finanční dostupnosti bydlení domácností žijících v různých regionech, jelikož to je z důvodu nedostatku kvalitních výzkumů nemožné, nýbrž vysledovat míru regionálních disparit ve finanční dostupnosti přiměřeného (tj. odpovídajícího velikosti domácnosti) nájemního i vlastnického bydlení pro různě definované typy domácností. V této souhrnné zprávě jsou popsány výsledky analýz regionálních disparit ve finanční dostupnosti vlastnického i nájemního bydlení. Zpráva se skládá z pěti kapitol. V první části zprávy je vysvětlen zvolený metodický postup měření regionálních disparit; následují kapitoly analytické, z nichž dvě se zabývají nájemním bydlením a dvě bydlením vlastnickým. Druhá a třetí kapitola se věnují zmapování vývoje finanční dostupnosti nájemního bydlení v jednotlivých regionech ČR, analýze regionálních disparit ve finanční dostupnosti nájemního bydlení a identifikaci domácností potencionálně ohrožených finanční nedostupností nájemního bydlení. Ve čtvrté a páté kapitole je analogicky zmapován vývoj a regionální disparity ve finanční dostupnosti vlastnického bydlení a jsou identifikovány domácnosti, které by mohly být ohroženy potencionální nedostupností vlastnického bydlení. 3

4 Metodika výpočtu regionálních disparit ve finanční dostupnosti bydlení Měření finanční dostupnosti bydlení V zásadě lze odlišit tři základní přístupy k analýze finanční dostupnosti bydlení (Garnett 2000): indikátorový přístup, referenční přístup a reziduální přístup. Indikátorový přístup využívá indikátorů měřících zatížení domácností výdaji na bydlení; indikátory mají obvykle podobu podílu nákladů na bydlení k příjmům domácností. Hulchanski (1995) uvádí, že domácnost čelí problému dostupnosti bydlení,, když podíl jejích výdajů na zajištění adekvátního bydlení k celkovému čistému příjmu překračuje určitou procentní hranici. Indikátory se mohou lišit podle způsobu, jakým jsou definovány náklady na bydlení a příjem domácností. Zřejmě nejfrekventovanějším indikátorem používaným zejména při hodnocení finanční dostupnosti nájemního bydlení je indikátor podílu čistého nájemného nebo výdajů na bydlení na celkových čistých příjmech domácnosti tento indikátor nazýváme, v souladu s Lux & Burdová (2000), míra zatížení. Referenční přístup nestanoví limitní hodnotu míry zatížení, ale odkazuje k situaci buď v jiném sektoru bydlení (např. nájemné by mělo být stanoveno na úrovni nájemného v soukromém nájemním bydlení) nebo k nutnosti zajistit bydlení určitým skupinám obyvatel (např. nájemné by mělo být stanoveno tak, aby si ho mohly dovolit rodiny domácností zaměstnanců s více dětmi a nízkou úrovní mezd). Reziduální přístup vychází z hodnocení výše tzv. reziduálního příjmu, který je roven částce celkového čistého příjmu domácnosti sníženého o výdaje na bydlení a o částku životního minima nezbytnou k úhradě ostatních základních životních potřeb jednotlivých členů domácnosti. Např. Grigsby a Rosenburg postulují, že dostupnost by měla být definována ve vztahu k potřebě adekvátního příjmu postačujícího, po odečtení výdajů na bydlení, k zajištění ostatních základních potřeb členů domácnosti. (citováno v Hui 2001). Žádný z uvedených přístupů (zejména míra zatížení nebo reziduální příjem) však není zcela oproštěn od potřeby normativního stanovení určité limitní hranice, jejíž překročení indikuje skutečnost, že stávající bydlení je již pro danou domácnost finančně nedostupné například určení maximální míry zatížení nebo minimálního reziduálního příjmu (dále hranice únosnosti). Stanovení hranice únosnosti je jen obtížně vědecky odůvodnitelné, podobně jako každý jiný normativní soud. V některých zemích nejsou hranice stanoveny explicitně, ale implicitně vyplývají z politiky státu v oblasti adresného příspěvku na bydlení. Určení hranice únosnosti je tak poznamenáno normativním, často subjektivním soudem, a jen těžko může být určeno objektivním způsobem. Zvolení jakékoliv metody pro její stanovení může být snadno vědecky zpochybnitelné proto je při analýze finanční dostupnosti bydlení nutné postupovat opatrně a kriticky. Určitým posunem v této oblasti je kvazi-normativní přístup k finanční dostupnosti bydlení vyvinutý v Lux (2004, 2005, 2007); ten vychází ze stanovení limitních mezí na základě výše veřejných nákladů při alternativním nastavení veřejné podpory a z toho plynoucí výše skutečně placených výdajů na bydlení. Normativita při určení hranice únosnosti je navíc jen jedním z problémů při měření a hodnocení finanční dostupnosti bydlení. Všechny indikátory používané pro měření, jak je bydlení finančně dostupné pro různé skupiny domácností v různých částech země, se musí rovněž vyrovnávat se skutečností, že analýza prostých výdajů na bydlení nezohledňuje 4

5 dostatečně kvalitu samotného bydlení, velikost užívaného bydlení, ochranu nájemních práv a ostatní s bydlením související náklady (náklady dojížďky). Vysoká míra zatížení (tedy na první pohled problém s finanční dostupností bydlení) u některých domácností, bydlících například v nájemním bydlení, nemusí být způsobena jejich nízkým příjmem nebo obecnou vysokou úrovní nákladů na bydlení, ale pouze tím, že tyto domácnosti bydlí v příliš luxusních a/nebo příliš velkých bytech neodpovídajících velikosti jejich domácností (například dvoučlenná domácnost bydlí ve čtyřpokojovém bytě), u kterých je také vyžadováno vyšší nájemné. Pokud by se takové domácnosti přestěhovaly do přiměřeného bydlení (což nelze než opět definovat normativně), pak by jejich míra zatížení mohla výrazněji poklesnout na hodnoty, které již nejsou hodnoceny jako neúnosné nebo problémové. Prostý neupravený výpočet míry zatížení tak může podávat zkreslený obraz o tom, kolik domácností je skutečně v nouzi z pohledu finanční dostupnosti bydlení. Indikátory používané pro měření finanční dostupnosti bydlení se s tímto problémem musí nutně vypořádat, jinak odráží spíše defekty na daném trhu s bydlením než skutečné disparity ve finanční dostupnosti bydlení. Mimo to, jednotlivé právní typy bydlení se podstatně liší podle formy výdajů na bydlení. Pro účel sledování vývoje finanční dostupnosti vlastnického bydlení je proto vhodné využít i alternativních indikátorů. Je tomu proto, že míra zatížení nemusí ukázat skutečnou váhu problému finanční dostupnosti vlastnického bydlení, je-li aproximována za celek domácností zahrnující jak domácnosti, které si pořídily bydlení poměrně nedávno (za zpravidla vyšších tržních cen), tak domácnosti, které si pořídily vlastní či družstevní bydlení před mnoha lety nebo v průběhu privatizace obecních bytů (za netržních cenových podmínek). Některé domácnosti si pro pořízení bydlení musely vzít úvěr, jiné nikoliv. Alternativním ukazatelem vhodnějším pro zmapování a hodnocení finanční dostupnosti vlastnického bydlení běžně používaným ve vyspělých zemích je tak například indikátor price-to-income ratio (poměřující průměrné/mediánové ceny prodávaného bydlení a průměrné/mediánové roční čisté příjmy domácností, P/I) nebo lending multiplier (ukazující poměr celkové sumy, kterou domácnost zaplatí v rámci splátek úvěrů na bydlení, k celkovým čistým ročním příjmům domácnosti, LM). Analýza vývoje finanční dostupnosti bydlení je navíc v tranzitivních zemích, či přesněji v českém prostředí, v mnoha ohledech specifická. Je tomu zejména proto, že míra ochrany před nepříznivým vývojem na trhu bydlení je mezi českými domácnostmi rozdělena nerovněji, než je tomu ve vyspělých zemích. V průběhu ekonomické transformace se z hlediska přístupu k bydlení (socio-ekonomického pohledu) u nás, stejně jako v jiných tranzitivních zemích, v zásadě vyprofilovaly dva základní segmenty trhu. Dědictví důsledků bytové politiky z minulého režimu a pokračování v regulaci nájemného (resp. nedostatečná reforma v oblasti nájemního bydlení) a privatizace obecních bytů za zvýhodněných cenových podmínek po roce 1989, jsou hlavními příčinami rozdělení české společnosti z hlediska přístupu k bydlení a v posledku též finanční dostupnosti bydlení do dvou hlavních zřetelně oddělených (i když přesně jen velmi těžko definovatelných) skupin: skupiny domácností užívajících výhod privilegovaného bydlení, kam náleží lidé hradící regulované nájemné, lidé, kteří si pořídili vlastní nebo družstevní bydlení ještě před rokem 1989 a lidé, kteří měli možnost koupit si vlastní bydlení při privatizaci obecních bytů, během které byly a dosud jsou byty prodávány i hluboko pod úrovní tržních cen; a segment neprivilegovaného bydlení, ve kterém bydlí lidé hradící z důvodu samotné regulace nájemného zbytečně vysoké tržní nájemné (Lux, Sunega 2002) a kteří z důvodu časově omezených nájemních smluv a zcela volného způsobu stanovení nájemného (prvotního i opětovného) užívají slabší legislativní ochrany před jednáním pronajímatelů, lidé označovaní někdy jako nebydlící (manželé po rozvodu nebo dospělé děti, které z důvodu nízkých příjmů a nemožnosti dědictví privilegií jsou nuceni žít 5

6 v nechtěném soužití s jinou domácností), a lidé, kteří si pořídili vlastní či družstevní bydlení za tržních podmínek a uhradili trhem určenou cenu. Na rozdíl od jiných sociálních nerovností byla tato segmentace (a z ní plynoucí sociální nerovnost v přístupu k bydlení) vytvořena nikoliv působením tržních sil, ale realitou zásadní ekonomické transformace a aktivitou státu a obcí, centrální a lokální bytovou politikou, a to i v jiných tranzitivních zemích (Lux ed. 2003). Proto by měla být analýza vývoje finanční dostupnosti bydlení prováděna zvlášť pro privilegovaný a zvlášť pro neprivilegovaný sektor bydlení. Pro účel relevantního zmapování vývoje finanční dostupnosti bydlení i vývoje regionálních disparit ve finanční dostupnosti bydlení v ČR budou tak analýzy prováděny zvlášť pro jednotlivé právní typy bydlení (nájemní a vlastnické bydlení), zvlášť pro privilegovaný a neprivilegovaný segment trhu, zvlášť pro jednotlivé typy domácností a s využitím konceptu přiměřeného bydlení (tj. bydlení odpovídajícího velikosti daného typu domácnosti). Z důvodu nedostatku informací o privilegovaném sektoru vlastnického bydlení (privatizovaný bytový fond) se ovšem naše analýza omezí pouze na privilegovaný a neprivilegovaný sektor nájemního bydlení a neprivilegovaný sektor vlastnického bydlení. Srovnání vývoje finanční dostupnosti bydlení pro různě definované typy domácností by mělo, mimo jiné, pomoci testovat hypotézu, zda-li existují a posilují se regionální disparity v počtu (podílu) domácností potenciálně ohrožených finanční nedostupností bydlení z důvodu nerovnoměrného vývoje cen bydlení a příjmů domácností. Zdroje dat V České republice neexistuje takový datový soubor, který by umožnil jednoduchou analýzu regionálních disparit ve finanční dostupnosti bydlení, tj. analýzu skutečných disparit na základě znalosti konkrétních domácností s jejich konkrétními výdaji a příjmy. Ačkoliv pro celorepublikovou (či lépe omezenou celorepublikovou) výpověď o finanční dostupnosti bydlení je možné využít datového souboru Českého statistického úřadu (ČSÚ) Statistika rodinných účtů, vzhledem k velikosti dotázaného vzorku a kvalitě výběru (jedná se o kvótní výběr) ji není možné použít pro analýzu regionálních disparit. Tento nedostatek přitom není jediný. V České republice chybí relevantní data o příjmech domácností; Statistiku rodinných účtů nelze pro tento účel rovněž použít. Nezbývá proto, než pro účel modelace příjmu domácnosti využít jiné zdroje, zejména pak regionální mzdovou statistiku ČSÚ. Zdroje dat pro informace o úrovni hrubých mezd v jednotlivých krajích České republiky jsou dvojího druhu, podnikové výkaznictví ČSÚ a regionální statistika cen práce (RSCP). Podnikové výkaznictví ČSÚ 1 poskytuje informace o průměrných mzdách v krajích ČR, jež lze od roku 1993 dále třídit podle firemních charakteristik, např. podle odvětví ekonomické činnosti (OKEČ). Do roku 2001 tyto údaje byly zjišťovány pracovištní metodou, tj. byly evidovány sídla jednotlivých organizačních jednotek podniku až na úrovni okresů, od roku 2002 do roku 2004 se pak postupuje pouze tzv. podnikovou metodou (územní třídění je provedeno podle sídla vykazujícího ekonomického subjektu včetně provozoven 1 Údaje o průměrných hrubých mzdách jsou vypočítávány jako podíl celkových mzdových prostředků bez ostatních osobních mzdových nákladů a evidenčního počtu zaměstnanců. V podnikatelské sféře jsou tyto informace zpracovány za ekonomické subjekty s 20 a více zaměstnanci, v odvětví finančního zprostředkování a v nepodnikatelské sféře pak bez ohledu na počet zaměstnanců. 6

7 dislokovaných na jiném území) a od roku 2005 se začíná opět se zavádění sídla jednotlivých organizačních jednotek na úrovni krajů. Dalším zdrojem dat je regionální statistika cen práce (RSCP), jejíž garantem je MPSV ČR. RSCP sbírá od roku 2001 data za jednotlivé zaměstnance na základě výběrového šetření 2 a hlavním cílem zjišťování jsou mzdové úrovně zaměstnání podle klasifikaci KZAM v jednotlivých krajích. Údaje o výši průměrných příjmů podle klasifikace KZAM v jednotlivých krajích ČR za období od roku 1998 až 2000 byly zpracovávány na základě podnikového výkaznictví ČSÚ. Dřívější údaje nejsou k dispozici, neboť klasifikace KZAM byla ve mzdových statistikách poprvé zavedena v roce 1996 a to pouze na celostátní úrovni. Druhý zdroj je pro účel analýzy regionálních disparit ve finanční dostupnosti bydlení zřejmě vhodnější. Průměrné výše důchodů, podpor v nezaměstnanosti a jiných dávek v jednotlivých krajích jsou pro období od roku 1994 do roku 2006 částečně zpracovány ČSÚ na základě evidence Ministerstva práce a sociálních věcí (MPSV) a částečně samotným ministerstvem. Pro účel měření regionálních disparit ve finanční dostupnosti bydlení jsou rovněž k dispozici údaje o průměrných regionálních tržních cenách bytů a rodinných domů, a to ze zdroje ČSÚ a Institutu regionálních informací s.r.o., jež jsou transformovatelné (v případě ČSÚ již transformované) do podoby průměrných regionálních údajů. Data ČSÚ zahrnují odhadní a kupní ceny bytů a rodinných domů (a některé další relevantní charakteristiky obchodovaných bytů a rodinných domů) od roku 1998 evidovaných Ministerstvem financí (MF) na základě přiznání k platbě daně z převodu nemovitostí. Sledovány jsou odděleně údaje o bytech, rodinných domech, bytových domech, zděných garážích a stavebních pozemcích. Výše uvedené datové soubory předává MF v agregované podobě jednou za dva roky ČSÚ pro účely zpracování cenových přehledů (publikace Ceny sledovaných druhů nemovitostí). Datové soubory Institutu regionálních informací, s.r.o., jsou získávány na základě pravidelného monitoringu nabídkových cen bytů a tržního nájemného ve více než 335 českých obcích. Sběr dat je prováděn z lokálních i celostátních inzertních novin a časopisů, průzkumů v terénu a z inzertních nabídek na internetu. V letech bylo do systému zapsáno více než záznamů o cenách bytů a o nájemném. Jejich očištění od neobvyklých a náhodných vlivů je u cen starších bytů možné poměrně dobře zajistit. Na základě očištěných dat jsou publikovány výstupy v podobě průměrných cen (nájmů) a indexů cenového vývoje (vývoje nájemného) za tzv. standardní byt. ČSÚ na rozdíl od Institutu regionálních informací, s.r.o., nesleduje vývoj tržního nájemného. Postup výpočtu indikátorů finanční dostupnosti bydlení a zmapování disparit ve finanční dostupnosti bydlení Jelikož zmapování regionálních disparit ve finanční dostupnosti bydlení není možné přímo z výběrových šetření, byl použit v tomto projektu alternativní postup, a to postup vytvoření typů domácností a typů bydlení, přičemž každému typu domácnosti byl přiřazen přiměřený typ bydlení (tímto způsobem jsme se vyrovnali i s námitkou týkající se zohlednění spotřeby bydlení, tj. užívání velikosti bytu neodpovídajícího velikosti domácnosti). Pro účel měření finanční dostupnosti privilegovaného i neprivilegovaného nájemního bydlení byl použit indikátor míry zatížení a u "neprivilegovaného" vlastnického bydlení byly použity indikátory 2 Výběrový soubor tvoří více než 3500 ekonomických subjektů podnikatelské sféry s 10 a více zaměstnanci, které celkově zaměstnávají přibližně 1,3 milionu zaměstnanců. Nepodnikatelská sféra, která je evidována odděleně, se šetří od roku 2003 plošně. V RSCP se ekonomické subjekty člení na organizační jednotky, jestliže je možné provést vnitřní rozčlenění podle okresů, ve kterých dílčí jednotky působí. 7

8 price-to-income ratio a lending multiplier. Indikátory byly vypočteny za pomocí dat o čistých příjmech domácností odhadnutých pro vytvořené typy domácností (na základě dostupné regionální příjmové statistiky, zejména RSCP, data MPSV, MF a pečlivé simulace dávek a daní) a dat o cenách a nájmech ze zdrojů Institutu regionálních informací, s.r.o. Postup výpočtu indikátorů finanční dostupnosti bydlení a zmapování disparit ve finanční dostupnosti bydlení lze shrnout do sedmi bodů: 1. Vytvoření typologie domácností 2. Výpočet čistých příjmů domácností 3. Vytvoření typologie bydlení 4. Stanovení průměrných tržních cen a průměrných tržních nájmů 5. Přiřazení typu bydlení k typu domácnosti 6. Výpočet indikátorů finanční dostupnosti bydlení 7. Zmapování regionálních disparit. Vytvoření typologie domácností Pro účel výpočtu všech indikátorů finanční dostupnosti bydlení (míry zatížení, price-toincome ratio a lending multiplier) byly definovány typy domácností na základě následujících kriterií: ekonomická aktivita členů domácnosti - ekonomicky aktivní, nezaměstnaný, starobní důchodce, rodič na rodičovské dovolené; kategorie zaměstnání ekonomicky aktivních členů domácnosti - členění do 10 základních skupin KZAM (klasifikace zaměstnání) u osoby v čele domácnosti; 3 velikost a složení domácnosti - domácnosti jednotlivců, bezdětných manželských či partnerských svazků, manželských či partnerských svazků s jedním dítětem, manželských či partnerských svazků se dvěma dětmi, manželských či partnerských svazků s více dětmi, samoživitel s jedním dítětem, samoživitel s více dětmi. Kombinací těchto kritérií lze vytvořit 206 typů domácností, přičemž zanedbáváme komplikované typy domácností s více než dvěma dospělými členy (členem domácnosti je kromě partnerky/manželky a partnera/manžela další dospělý člen jako dospělé již pracující dítě, babička apod.) a nerodinné vícečlenné domácnosti (tyto specifické typy domácností tvořily jen 10 % všech cenzových domácností v ČR podle Sčítání lidu, domů a bytů z roku 2001). Jelikož vysoký počet typů domácností není vhodný pro následnou analýzu dat a některé takto vytvořené typy domácností mají jen velmi malé reálné zastoupení, konečná volba kritérií byla rozhodnuta na základě analýzy dat ze Sčítání lidu, domů a bytů 2001 (SLDB 2001) o skutečném zastoupení jednotlivých typů domácností v ČR v roce Mimo to byly rovněž vyřazeny typy domácností, pro něž z dostupných zdrojů není možné zjistit výši příjmů. Jedná se zejména o domácnosti podnikatelů (14,5 % všech cenzových domácností v ČR), protože regionální příjmová statistika (RSCP) zahrnuje pouze mzdy zaměstnanců. 3 Pro naši typologii je předpokládáno, že kategorie zaměstnání obou ekonomicky aktivních členů jsou zhruba stejné. Na jedné straně zpracovaná data ze SLDB 2001 evidují zaměstnání podle KZAM pouze u osoby v čele domácnosti a neumožňují tudíž zjištění zastoupení konkrétních kombinací kategorie zaměstnání manželů (partnerů), např. domácnosti zaměstnance kategorie KZAM 1 žijícím se zaměstnancem KZAM 1, na druhé straně různé kategorie zaměstnání u členu domácností by nadmíru komplikovaly typologii domácností a zvyšovali počet typů. 8

9 Postupně byly tedy z následných analýz vyřazeny nerodinné vícečlenné domácnosti; domácnosti podnikatelů; domácnosti, u nichž nebyla zjištěna ekonomická aktivita; domácnosti příslušníků armády; domácnosti nepracujících důchodců s dětmi; samoživitelé s více než jedním dítětem a rodiny s více než dvěma dětmi. Ze dvou dvojic příbuzných kategorií zaměstnání KZAM 5 a KZAM 6 a kategorií KZAM 7 a KZAM 8 byly vytvořeny dvě kategorie KZAM 5, 6 a KZAM 7, 8. Zároveň do typologie domácností nebyly vybrány domácnosti v ČR marginálně zastoupené (s relativní četností pod 0,10 % dle SLBD 2001). Jedná se například o domácnosti zaměstnaného člena domácnosti zařazeného do KZAM 1, 2, 3, 4, 5 a 6, 9 s nezaměstnaným nebo domácnosti zaměstnaného člena domácnosti zařazeného do KZAM 1, 2, 4, 5 a 6, 9 s osobou na rodičovské dovolené. Tabulka 1: Vyřazené typy domácností a jejich zastoupení v ČR Vyřazené typy domácností: Zastoupení podle SLDB 2001 Nerodinné vícečlenné domácnosti 10,10% Domácnosti podnikatelů 14,45% Nezjištěná ekonomická aktivita 2,04% KZAM - 0 (příslušníci armády) 0,35% Nepracující důchodci s dětmi 1,19% Rodiny s více než 2 dětmi 1,54% Samoživitelé s více než 1 dítětem 1,28% Marginálně zastoupené typy domácností nezaměstnaných a osob na rodičovské dovolené (celkem typů 28) 2,57% Celkem 33,54% Zdroj: SLDB 2001, na zakázku spočítané výstupy z interní dat ČSÚ. Po vyřazení všech pro analýzu nevhodných nebo jen marginálně zastoupených typů domácností jsme získali 60 typů domácností, které zastupují zhruba 66 % českých domácností (viz Příloha 1). Výpočet čistých příjmů domácností K vytvořeným typům ekonomicky aktivních domácností byly přiřazeny průměrné hrubé příjmy podle regionální příjmové statistiky (RSCP, regionální průměr) a u domácností důchodců průměrné starobní důchody v kraji. U domácností, kde oba partneři (manželé) jsou zapojeni do pracovního procesu, bylo předpokládáno, že typ jejich zaměstnání patří do stejné kategorie KZAM. Jelikož je značně nepravděpodobné, že oba pracující členové domácnosti budou vydělávat úplně stejně a z daňového hlediska to může být podstatné, byl dvojnásobek průměrného příjmu v dané kategorii zaměstnání rozpočítán na jeden příjem muže a jeden příjem ženy podle podílu příjmu žen na příjmu mužů v dané kategorii a kraji. Z daňového hlediska je důležitý také věk dětí. Věkové kategorie dětí byly proto vybrány podle nejčastějšího zastoupení v ČR podle SLDB Pro všech 60 typů domácností ve všech krajích byl ve druhém kroku dopočítán jejich čistý příjem a případné sociální dávky. Pro účely zdanění hrubých příjmů u všech typů domácností od roku 2000 byly vytvořeny speciální přepočtové tabulky v programu Excel zohledňující daňové zákony v daných letech. 4 U rodičů s jedním dítětem je dítě ve věku 6-10 let a u domácností se dvěma dětmi ve věku 6-10 let a let. U domácností, kde je jeden člen na rodičovské dovolené, pro domácnost s jedním dítětem byl čistý příjem spočítán s přihlédnutí k dítěti ve věku do 4 let a u domácnosti se dvěma dětmi k jednomu dítěti do 4 let a druhému dítěti ve věku od 6 do 10 let. 9

10 Při modelování čistých příjmů domácností bylo uvažováno výhradně o příjmech ze zaměstnání, tj. ze závislé činnosti a funkčních požitků. Předpokládali jsme, že příjmy vykazují maximálně dvě ekonomicky aktivní osoby v domácnosti, a že slevy na dani (resp. nezdanitelné částky) uplatňuje ta osoba, která má vyšší příjmy. Výše daní a dávek byla zjišťována v souladu s předpisy platnými v daném roce, neboť v průběhu sledovaného období došlo ke změnám ve způsobu výpočtu daní a některých dávek, valorizaci částek životního minima apod. Mezi hlavní změny způsobu zdaňování patří postupná transformace nezdanitelných částek na slevy na dani počínaje rokem 2005 a možnost uplatnění společného zdanění manželů počínaje rokem Tímto způsobem byly získány průměrné čisté příjmy domácností od roku 2000 do roku 2006 v jednotlivých krajích. Vytvoření typologie bydlení Pro účel výpočtu všech indikátorů finanční dostupnosti bydlení byly definovány typy bydlení: čtyři nejčastější velikosti bytů (1+1, 2+1, 3+1 a 4+1) a typ bydlení v rodinném domě. Velikost užitné (celkové podlahové) plochy v jednotlivých kategoriích bytů byla určena jako průměr v daném typu bydlení u trvale obydlených bytů v bytových domech na základě SLDB Průměrný jednopokojový byt má rozlohu 38 m 2, dvoupokojový 57 m 2, třípokojový 73 m 2 a čtyřpokojový 88 m 2. Zároveň bylo přihlédnuto k tomu, zda se průměr výrazněji neodlišuje od mediánu (tabulka 2) a tudíž průměr není vlivem extrémně malých či extrémně velkých hodnot odchýlen. Medián byl vypočítán pouze u hodnot obytné plochy bytů, neboť data pro výpočet mediánu u hodnot užitné plochy bytu nemáme k dispozici. Lze však předpokládat, že srovnání průměru a mediánu pro obytnou plochu bude velmi podobné se srovnáním průměru a mediánu pro užitnou plochu. Pro všechny kraje byly použity stejné typy bytů, neboť z dat ze SLBD 2001 vyplývá, že mezi regiony nejsou výrazné odlišnosti ve velikosti bytů (tabulka 3). Typ bydlení v rodinném domě představuje bydlení ve standardním rodinném domě o velikosti 135 m 2 dle definice Institutu regionálních informací, s.r.o., který shromažďuje data o cenách právě tohoto typu rodinného domu. Tabulka 2: Užitná a obytná plocha trvale obydlených bytů v bytových domech podle počtu obytných místností Průměr - užit. plocha (m 2 ) Průměr - obyt. plocha (m 2 ) Medián - obyt. plocha (m 2 ) Jednopokojový byt Dvoupokojový byt Třípokojový byt Čtyřpokojový byt Zdroj: SLDB 2001 (publikace tabulka č. 58, publikace e , tabulka č.359), vlastní výpočet. 10

11 Tabulka 3: Průměrná užitná a obytná plocha bytu v bytových domech Průměr - užit. plocha (m 2 ) Průměr - obyt. plocha (m 2 ) Hl. m. Praha 66,1 39,6 Středočeský 64,0 39,6 Jihočeský 62,8 40,3 Plzeňský 62,2 40,0 Karlovarský 65,9 38,6 Ústecký 63,4 39,2 Liberecký 62,9 39,8 Královéhradecký 61,5 40,2 Pardubický 61,4 39,9 Vysočina 62,1 39,4 Jihomoravský 64,1 39,3 Olomoucký 62,1 40,0 Zlínský 61,8 38,6 Moravskoslezský 63,3 38,5 Zdroj: SLDB 2001 (publikace e , tabulka č.118). Stanovení průměrných tržních cen a tržních nájmů Ke stanovení tržních cen bytů a tržního nájemného v krajích a krajských městech byl využit systém monitoringu cen bytů a nájemného (označovaný také jako KISEB Komplexní Informační Systém Ekonomiky Bydlení), který byl založen Institutem regionálních informací, s.r.o. v roce 2000 a který od té doby prochází postupným vývojem. Základní monitoring je prováděn v rozsahu 335 vybraných obcí ČR, jejichž územní pokrytí a podíl v segmentu bydlení vytváří základní předpoklady pro monitorování trhu bydlení se staršími byty. V roce 2001 žilo ve vybraných 335 městech 6,7 mil. obyvatel, tj. cca 2 / 3 obyvatel ČR. V tomtéž roce se zde, podle definitivních výsledků SLDB 2001, nacházelo 89 % bytů v bytových domech. Pro zjištění průměrných tržních cen bytů, průměrných tržních cen rodinných domů, průměrných tržních nájmů a průměrných regionálních nájmů v jednotlivých krajích ČR byla vyvinuta originální metodika, která kombinuje již používané metody a speciálně vyvinuté postupy zaměřené na zjištění závislostí mezi velikostí bytu, cenou a nájemným, závislostí mezi cenami rodinných domů a bytů a na optimální stanovení hodnot krajských průměrů (viz podrobná metodika v Příloze 5). K získání přiměřeně přesné informace o výši průměrné tržní ceny bytů a průměrného tržního nájemného, které pro dané město plně vychází z údajů monitoringu, je potřeba, aby soubor vstupních údajů za šetřené město obsahoval nejméně 30 věrohodných údajů po vyloučení náhodných, extrémních či neporovnatelných cen (např. od cen nových bytů, bytů po rekonstrukci, luxusních bytů, bytů s nadstandardním vybavením, s nepřiměřeně odlišnými cenami nabídek apod.). Mezní hodnoty, kdy jsou ceny a nájemné považovány za extrémní, se postupně vyvíjejí; v letech se dolní a horní hranice pohybovaly v rozmezí % průměrné ceny v předchozím období. Vzhledem k značnému růstu cen starších bytů v roce 2007 byla horní hranice v některých obcích posunuta až na hodnotu 200 % průměrné hodnoty v roce V případě, že po očištění dat v daném městě (z 335 sledovaných měst) nebylo zjištěno 30 údajů o cenách bytů, byla cena odvozena pomocí tzv. mezisídelního modelu atraktivity bydlení. Model pomocí základních kritérií umožňuje hodnotit vliv polohy a dalších charakteristik obce na cenu bytu pro libovolnou obec (sídlo) ČR. V rámci regionů jsou vyhodnoceny hlavní hodnotové póly z hlediska atraktivity bydlení a síla vazeb okolních 11

12 měst (obcí) k těmto pólům (na základě dopravní vzdálenosti, kvality dopravního spojení, poměru velikostí obcí, rekreační atraktivity a zvyšujících či omezujících faktorů). Základním principem zpracování cenových údajů o bytech je jejich převod na standardní bytovou jednotku. Standardní jednotku představuje byt I. kategorie s opotřebením cca 40 % a o podlahové ploše 68 m 2 v běžné, nikoliv okrajové poloze. Průměrná cena (nájem) standardního bytu v celém kraji (regionální průměr) pak byla vypočtena jako průměr cen (nájmů) standardních bytů za sledovaná města v daném kraji upravený koeficientem zohledňujícím ceny v nesledovaných obcích. Tento koeficient představuje korelační koeficient mezi průměrnou cenou (nájmem) ve sledovaných obcích v roce 2006 a průměrnou cenou (nájmem) ve všech obcích ČR v roce 2006, přičemž ceny (nájmy) v nesledovaných obcích byly dopočteny mezisídelním modelem atraktivity. O snížení průměrných cen (nájmů) pomocí korekčního koeficientu bylo rozhodnuto vzhledem k tomu, že mezi monitorovanými 335 městy jsou zahrnuty především větší obce. V posledním kroku byly z tržních cen (nájemného) standardních bytů za krajská města a kraje dopočteny ceny za zvolené velikostní kategorie bytů. Pro výpočet cen a nájemného u bytů různých velikostí byl použit algoritmus, který odráží závislost ceny a nájemného za 1 m 2 podlahové plochy bytu na celkové podlahové ploše bytu. Velikost této korelace (míra korekce cen a nájmů) byla zjištěna na datech ze samotného monitoringu cen a nájemného. V případě monitoringu tržního nájemného byla uplatněna ještě jedna dodatečná úprava. Jelikož nabídkové tržní nájemné z běžné inzerce je často jednostranně vychýlené směrem nahoru ve srovnání s finálně dohodnutou výší nájemného, byly všechny výsledky KISEB dle výsledků dotazníkového šetření o sjednávání výše tržního nájemného redukovány o 15 %. Ve městech, za která nebyl k dispozici dostatečně velký soubor údajů pro statistický výpočet průměru tržního nájemného za sledované období, byla použita nepřímá metoda pomocí ukazatelů obvyklé výnosnosti (kapitalizace) cen bytů. Metodika pro výpočet cen rodinných domů vycházela z metodiky pro monitoring cen bytů a byla dodatečně ověřována u čtyř velkých měst (Praha, Brno, Ostrava, Plzeň) podle údajů zjištěných v polovině roku V privilegovaném segmentu nájemního bydlení je nájemné určeno jako maximální regulované nájemné pro daný typ bytu v daném regionu v daném roce. Regionální údaj byl získán jako vážený průměr výše maximálního regulovaného nájemného v jednotlivých obcích regionu. Přiřazení typu bydlení k typu domácnosti K jednotlivým typům domácností byl normativně přiřazen přiměřený typ bydlení na základě složení domácnosti. Jednotlivcům byly přiřazeny byty 1+1, manželským párům či nesezdaným partnerům byty 2+1, rodinám s jedním dítětem 3+1 a rodinám se dvěma dětmi 4+1. Podle údajů ze SLDB 2001 české rodiny se dvěma dětmi nebydlí příliš často v bytech 4+1, pro další analýzy je proto možné tento jednoduchý klíč přiřazení typu bydlení modifikovat. Vybraným typům domácností bylo jen pro doplnění rovněž přiřazeno bydlení v rodinném domě. 12

13 Tabulka 4: Cenzové domácnosti v trvale obydlených bytech podle počtu pokojů Typ bydlení Domácnosti jednotlivců Bezdětné manželské (nebo nezdané) soužití Samoživitel/ka s 1 dítětem Manželské (nebo nesezdané) soužití s 1 dítětem Manželské (nebo nesezdané) soužití se 2 dětmi 1 obytná místnost 32,70% 6,72% 16,38% 5,53% 3,24% 2 pokoje 37,45% 32,47% 34,84% 25,03% 20,81% 3 pokoje 20,55% 40,50% 35,15% 44,96% 47,23% 4 pokoje 5,00% 13,07% 8,42% 15,04% 17,41% 5+ pokojů 2,07% 6,96% 4,03% 9,04% 10,98% Celkem 100,00% 100,00% 100,00% 100,00% 100,00% Zdroj: SLDB 2001 (publikace , tabulka č.48) Výpočet indikátorů finanční dostupnosti bydlení U všech typů domácností byla vypočítána míra zatížení pro formu nájemního bydlení a priceto-income ratio a lending multiplier pro formu vlastnického bydlení. Pro účel výpočtu všech indikátorů byly odhadnuty výdaje na bydlení zvlášť pro privilegovaný segment bydlení a zvlášť pro neprivilegovaný segment bydlení. Výdaje na bydlení mají dvě základní složky: nájemné (resp. kapitálové náklady nutné pro pořízení vlastního bydlení) a ostatní výdaje spojené s bydlení (výdaje za energie, topení, úklid a jiné). Ostatní výdaje spojené s bydlením není možné, z důvodu nedostatečné datové báze, relevantně vysledovat. Indikátor finanční dostupnosti bydlení (míra zatížení) tak je vztažena pouze k první složce výdajů na bydlení. Kapitálové náklady nutné pro pořízení vlastního bydlení jsou určeny jako výše splátky úvěru použitého pro pořízení vlastnického bydlení při dané ceně bytu či rodinného domu. Pro účel výpočtu všech indikátorů (míry zatížení, price-to-income ratio a lending multiplier) byly odhadované čisté příjmy sledovaných typů domácností srovnány s odhadovanými výdaji na přiměřené bydlení. Zmapování regionálních disparit ve finanční dostupnosti bydlení Z vypočtených indikátorů finanční dostupnosti bydlení byla vytvořena databáze zahrnující data pro všech 60 typů domácností ve všech krajích od roku 2000 do roku Pro vyhodnocení regionálních disparit a vývoje disparit ve finanční dostupnosti bydlení u jednotlivých typů domácností byly použity jak standardní statistické míry variability, kterými jsou rozptyl, směrodatná odchylka a variační koeficient, tak Gini koeficient nebo ukazatel beta-konvergence/beta divergence představující Pearsonův korelační koeficient mezi ročním přírůstkem hodnoty a absolutní hodnotou v daném roce. Záporný koeficient poukazuje například na to, že se rozdíly mezi regiony snižují. Vývoj ve finanční dostupnosti nájemního bydlení a regionální disparity ve finanční dostupnosti nájemního bydlení Měření finanční dostupnosti nájemního bydlení bylo provedeno zvlášť pro segment privilegovaného a segment neprivilegovaného nájemního bydlení. Pro účel měření finanční dostupnosti nájemního bydlení byl pro oba zmíněné segmenty použit indikátor míry 13

14 zatížení (podíl nájemného z bytu přiměřeného velikosti domácnosti na čistém příjmu domácnosti) a reziduálního příjmu (čistý příjem domácnosti po odečtení částky nájemného z bytu přiměřeného velikosti domácnosti). Tyto indikátory byly spočítány pro všech 60 typů domácností ve 14 krajích ČR v sedmiletém období od roku 2000 do roku Vzniklá databáze informací umožňuje několik dimenzí analýz. V prvé řadě jsme se zaměřili na vývoj míry zatížení v období v jednotlivých krajích souhrnně za všechny typy domácností a za specifické shluky domácností; následně jsme se věnovali obecnému vývoji regionálních rozdílů v období od roku 2000 do roku 2006 u konkrétních typů domácností a sledovali, zda se regionální rozdíly snižují či zvětšují. Na závěr jsme analyzovali rozdíly mezi konkrétními regiony v roce 2006 a pozornost byla také věnována rozdílům ve finanční dostupnosti nájemního bydlení mezi krajskými městy. Vývoj finanční dostupnosti neprivilegovaného nájemního bydlení v jednotlivých krajích ČR Finanční dostupnost neprivilegovaného nájemního bydlení byla měřena zejména pomocí míry zatížení, tedy podílu výše výdajů na tržní nájemné pro byt příslušné velikosti na čistém měsíčním příjmu příslušné domácnosti. Dalším používaným ukazatelem dostupnosti tržního nájemního bydlení je reziduální příjem. Reziduální příjem vyjadřuje rozdíl mezi příjmem domácnosti a výdaji na bydlení; ukazuje tedy objem finančních prostředků, které domácnosti zůstanou po zaplacení nájemného. Míra zatížení tržním nájemným se v letech 2000 až 2006 u 60 modelových domácností v jednotlivých krajích pohybovala v poměrně rozsáhlém intervalu od 4 % do 160 %. Průměrný vývoj míry zatížení v jednotlivých krajích souhrnně za všechny typy domácností zobrazuje souhrnný index (graf 1), který byl vypočten jako průměr míry zatížení 60 typů domácností vážený reálnou mírou zastoupení těchto domácností podle SLDB Graf 1 ukazuje, že nejvyšší míra zatížení je u pražských domácností, které pak následují domácnosti jihomoravské. Naopak nejnižší míru zatížení najdeme u domácností v Ústeckém kraji. Míra zatížení v ostatních českých regionech je zhruba uprostřed rozpětí mezi mírou zatížení v Jihomoravském kraji a v kraji ústeckém a křivky jejich souhrnných indexů téměř splývají. Z hlediska vývoje v čase míra zatížení od roku 2000 do roku 2004 rostla ve všech krajích kromě Prahy, mezi roky 2004 a 2005 spíše zůstává ve všech krajích kromě Prahy na stejné úrovni a od roku 2005 do roku 2006 míra zatížení klesala ve všech krajích kromě Moravskoslezského kraje. V Praze se míra zatížení zvyšovala pouze do roku 2003 a pak již začala klesat. Průběh křivky souhrnného indexu pro Moravskoslezský kraj se odlišuje od ostatních regionů až v roce 2005; domácnosti v tomto kraji měly do té doby jednu z nejnižších měr zatížení, avšak v roce 2006 je již průměrná míra zatížení domácností v tomto kraji pátá nejvyšší. 14

15 Graf 1: Souhrnný index míry zatížení v letech (60 typů domácností) 60,0% 57,6% 55,0% 54,2% 50,0% 48,7% 50,0% Souhrnný index míry zatížení 45,0% 40,0% 35,0% 30,0% 45,5% 45,2% 34,4% 28,0% 46,6% 38,1% 31,9% 28,0% 25,0% 20,0% 15,0% 25,0% 23,4% 21,3% 18,8% 20,0% 19,3% 17,6% 16,8% 16,4% 18,4% PRA ST C JC PZ KV UL LI HK PA VYS JM OL ZL MS Graf 1 popisuje rozdíly v míře zatížení mezi regiony v letech 2000 až 2006 souhrnně za všechny typy domácností, ovšem míra zatížení mezi jednotlivými typy domácností vykazuje značné rozdíly. Jelikož by bylo obtížné a zároveň velmi nepřehledné sledovat a porovnávat rozdíly v míře zatížení pro všech 60 typů domácností zvlášť, byly za pomocí klastrové analýzy porovnány míry zatížení všech typů domácností ve všech krajích a poté byly nalezeny čtyři shluky domácností, které se vyznačují obdobnou mírou zatížení. Domácnosti ve shluku s nejvyšší mírou zatížení mají míru zatížení pohybující se okolo 54 %, kdežto průměrná míra zatížení ve shluku domácností s nejnižší mírou zatížení dosahuje jen 14 % (tabulka 5). Tabulka 5: Shluky domácností podle míry zatížení v roce 2006 Shluky domácností - míra zatížení Míra zatížení (tržní nájem) v % Maximum Průměr Minimum Směrodatná odchylka Počet typů Zastoupení v ČR (%) - SLDB 2001 velmi vysoká 145,84 53,94 20,75 18, ,54 spíše vysoká 55,45 28,02 14,18 7, ,14 spíše nízká 39,30 20,47 9,03 4, ,18 velmi nízká 25,85 13,19 4,32 3, ,12 15

16 Shluk domácností s velmi vysokou mírou zatížení zahrnuje domácnosti, které nemají vlastní příjmy a jsou závislé na sociální pomoci státu (domácnosti dlouhodobě nezaměstnaných), ale i domácnosti starobních důchodců a samoživitelů dělníků a prodavačů či provozních; podrobný seznam je možné nalézt v příloze (Příloha 2). Do shluku domácností s vyšší mírou zatížení patří domácnosti nižších kategorií zaměstnání (řemeslníci, obsluha strojů, úředníci), kde je v rodině pouze jeden příjem. Do shluku domácností s nižší mírou zatížení náleží řemeslníci se dvěma příjmy v domácnosti a rodiny techniků a odborníků s jedním příjmem. Nejnižší míru zastoupení mají domácnosti dvou zaměstnaných z řad techniků, odborníků či manažerů. Tabulka 5 popisuje míru zatížení pro jednotlivé shluky domácností v roce Nejvyšší míry zatížení výdaji na tržní nájemné by v roce 2006 dosahovaly domácnosti nezaměstnaných v Praze (145,84 %), naopak nejnižší míry zatížení bezdětné domácnosti manažerů v Ústí n. Labem (4,99 %). Směrodatná odchylka 5 v tabulce 5 vyjadřuje, do jaké míry se v jednotlivých shlucích domácností odlišovala konkrétní míra zatížení jednotlivých typů domácností v různých regionech od průměrných hodnot. Vysoká hodnota směrodatné odchylky vypovídá o velkých rozdílech v míře zatížení jednotlivých typů domácností v daném shluku nebo o přítomnosti některých typů domácností, jejichž míra zatížení se značně vychyluje od průměrné hodnoty spočtené pro celý shluk domácností. Nízká hodnota směrodatné odchylky naopak poukazuje na malé rozdíly uvnitř těchto shluků. Na základě hodnot směrodatné odchylky je zřejmé, že ve shluku domácností s nejvyšší mírou zatížení variuje míra zatížení nejvíce (směrodatná odchylka je 18,90), zatímco shluk domácností s nízkou mírou zatížení je poměrně homogenní. Skutečnost, zda-li se ve shlucích nachází typy domácností, které se vyznačují extrémně nízkou či extrémně vysokou mírou zatížení, znázorňuje i graf 2, tzv. boxplot. Boxplot zobrazuje souvislost kategoriální a numerické proměnné. Každá kategorie kategoriální proměnné je znázorněna v podobě obdélníků, který představuje rozpětí mezi dolním a horním kvartilem 6 numerické proměnné dané kategorie, a obdélník je protnut úsečkou zobrazující medián. Extrémní hodnoty, které jsou definované jako hodnoty, jejíž odchylka od mediánu je větší než čtyřnásobek příslušného kvartilového rozpětí v dané skupině, jsou v boxplotu vyznačeny zvlášť. Graf 2 tedy zobrazuje mediánovou a kvartilovou hodnotu míry zatížení v jednotlivých skupinách domácností a zároveň vyznačuje extrémní hodnoty, které naznačují přítomnost regionálních disparit. Typy domácností, které dosahují extrémních hodnot, jsou vypsány v grafu 2. Extrémně vysoké hodnoty míry zatížení jsou tak patrné zejména u některých typů pražských domácností, ojediněle pak u některých typů domácností jihomoravských a středočeských. Naopak v Ústeckém kraji jsou míry zatížení u některých typů domácností oproti většině krajů extrémně nízké. Nejvíce extrémních hodnot bychom sice našli ve shluku domácností se spíše nízkou mírou zatížení, avšak shluk domácností s nejvyšší mírou zatížení má jednak největší kvartilový rozptyl, ale také hodnoty míry zatížení několika typů domácností se nejvíce odchylují od mediánu. Jinými slovy, míra zatížení u domácností ze shluku domácností s nejvyšší mírou zatížení (například domácnosti dlouhodobě nezaměstnaných) v Praze, v Jihočeském, ale i Středočeském kraji je zcela odlišná od míry zatížení těchto domácností v ostatních krajích (jsou zde patrné největší regionální disparity). Pozornosti by také nemělo ujít, že valná většina domácností ze shluku domácností s nejvyšší 5 Směrodatná odchylka je odmocnina rozptylu, který se vypočte jako střední hodnota (průměr) čtverce odchylek od střední hodnoty (průměru). 6 Jestliže v dané skupině domácnosti seřadíme domácnosti podle hodnoty míry zatížení, pak míra zatížení domácnosti, která je v pořadí v jedné čtvrtině, vyjadřuje dolní kvartil, hodnota zatížení domácnosti přesně v půlce představuje medián a hodnota ve třech čtvrtinách dle hodnoty seřazené řady je horním kvartilem. 16

17 mírou zatížení přesahuje třicetiprocentní hranici míry zatížení a naopak valná většina domácností zbývajících shluků se nachází pod touto hranicí. Mezi domácnosti potencionálně ohrožené finanční nedostupností tedy patří téměř všichni zástupci shluku domácností s nejvyšší mírou zatížení. Graf 2: Skupiny domácností podle míry zatížení v roce PRA2 Míra zatížení (tržní nájem) v % PRA53 PRA23 PRA16 PRA4 PRA9 PRA25 PRA7 PRA8 PRA43 PRA19 PRA46 PRA17 PRA26 JM58 PRA54 PRA56 JM43 JM25 PRA5 PRA31 UL17 UL44 UL42 UL18 PRA58 PRA35 PRA60 PRA57 PRA29 PRA28 JM2 PRA11 PRA37 PRA38 PRA50 STC2 velmi nízká spíše nízká spíše vysoká Skupiny domácností - míra zatížení velmi vysoká Pozn. Popisky typů domácností (PRA2, PRA9 atd.) informují o domácnostech s extrémní hodnotou míry zatížení. Popisky obsahují jak název kraje (např. PRA pro Prahu), tak číslo typů domácnosti. Velmi vysoká míra zatížení: domácnosti dlouhodobě nezaměstnaných (2, 28, 37, 38, 50) a samoživitelka na rodičovské dovolené (29) Spíše vysoká míra zatížení: pomocný dělník jednotlivec (9), řemeslník a nezaměstnaný 2 děti (58), pomocní dělníci 2 děti (57), řemeslník samoživitel 2 děti (35), řemeslník a rodičovská 2 děti (60). Spíše nízká míra zatížení: řemeslník jednotlivec (8), provozní a důchodce (25), pomocní dělníci bez dětí (19), provozní 1 dítě (43), technik a rodičovská 1 dítě (47), odborník samoživitel (31), technik jednotlivec (5) provozní bez dětí (17), řemeslníci 1 dítě (44), řemeslníci bez dětí (18), úředníci -1 dítě (42) Velmi nízká míra zatížení: úředníci bez dětí (16), technici -2 děti (53), odborník jednotlivec (4), technik a starobní důchodce (23). Podrobný klíč k číslům typů domácností je v příloze (Příloha 1). Vývoj míry zatížení v jednotlivých krajích pro 4 shluky domácností v období popisuje graf 3. Souhrnná míra zatížení pro shluk domácností je vypočtena jako průměrná míra zatížení u všech příslušných typů domácností vážená reálným zastoupením daných typů domácností v jednotlivých českých krajích podle SLDB Graf 3 odhaluje významné odlišnosti ve vývoji souhrnné míry zatížení pro jednotlivé shluky domácností. Míra zatížení pro shluk domácností s nejvyšší mírou zatížení rostla ve všech krajích kromě Prahy od roku 2000 až do roku 2005 a teprve od roku 2005 začíná klesat. V Praze míra zatížení od roku 2000 do roku 2003 prudce vzrostla a pak již jen klesá. Průběh míry zatížení u ostatních shluků domácností je již shodný s vývojem souhrnného indexu. Graf rovněž potvrzuje skutečnost, že u domácností s nejvyšší mírou zatížení jsou patrné největší regionální rozdíly, zatímco domácnosti s nejnižší mírou zatížení mají míru zatížení 17

18 v jednotlivých krajích obdobnou. Porovnáme-li míru zatížení mezi dvěma krajními shluky domácností, je zřejmé, že bychom našli mnohem větší rozdíly mezi shluky domácností než uvnitř shluků mezi regiony. Jinými slovy, rozdíl v míře zatížení mezi starobními důchodci (skupina s nejnižší mírou zatížení) v Praze a v Ústeckém kraji je nižší než rozdíl v míře zatížení mezi starobním důchodcem a manažerem v Praze. Graf 4 a graf 5 se zaměřují právě na nerovnosti mezi vybranými typy domácností uvnitř jednotlivých krajů. Graf 4 zobrazuje souhrnný index nerovnosti v míře zatížení mezi všemi 60 typy domácností (směrodatná odchylka pro míru zatížení u všech 60 typů domácností vážená zastoupením jednotlivých typů domácností v krajích podle SLDB 2001). Nerovnost mezi nejbohatší a nejchudší domácností (mezi domácností s nejvyšším příjmem a domácností s nejnižším příjmem) v grafu 5 pak představuje prostou odchylku mezi mírou zatížení domácnosti nezaměstnaného (domácnost s nejnižším příjem) a bezdětného párů manažerů (domácnost s nejvyšším příjmem). Oba grafy jsou téměř shodné a poukazují na růst nerovnosti v míře zatížení ve všech krajích kromě Prahy do roku 2005 a od roku 2005 naopak na jejich mírný pokles. V Praze nerovnost v míře zatížení mezi jednotlivými typy domácností prudce vzrostla v období mezi rokem 2000 a 2003, a od roku 2003 již mírně klesá. Moravskoslezský kraj se vyznačuje růstem nerovnosti v míře zatížení mezi typy domácností po celé sledované období, tj. od roku 2000 až do roku

19 Graf 3: Vývoj míry zatížení v letech u různých shluků domácností 100% 100% Domácnosti s vyšší mírou zatížení 90% 90% 80% 80% 70% 70% 60% 60% 50% 50% 40% 40% 30% 30% 20% 20% 10% 10% Domácnosti s nejvyšší mírou zatížení 0% 0% PRA STC JC PZ KV PRA STC JC PZ KV UL LI HK PA VYS UL LI HK PA VYS JM OL ZL MS JM OL ZL MS 100% Domácnosti s nižší mírou zatížení 100% Domácnosti s nejnižší mírou zatížení 90% 90% 80% 80% 70% 70% 60% 60% 50% 50% 40% 40% 30% 30% 20% 20% 10% 10% 0% % PRA STC JC PZ KV PRA STC JC PZ KV UL LI HK PA VYS UL LI HK PA VYS JM OL ZL MS JM OL ZL MS 19

20 Graf 4: Souhrnný index nerovností mezi jednotlivými typy domácností v období % 33% 30% 31,23% 29,42% Směrodatná odchylka míry zatížení 28% 25% 23% 20% 18% 15% 13% 10% 8% 21,81% 13,00% 11,36% 9,06% 7,81% 22,94% 25,43% 7,50% 7,26% 8,20% 9,34% 27,99% 10,00% 27,01% 18,47% 15,75% 14,31% 11,98% 9,61% 5% PRA ST C JC PZ KV UL LI HK PA VYS JM OL ZL MS Graf 5: Nerovnost mezi nejbohatší a nejchudší domácností v letech 2000 až % Odchylka mezi mírou zatížení nejbohatší a nejchudší domácnosti 150% 140% 130% 120% 110% 100% 90% 80% 70% 60% 50% 40% 30% 152,21% 146,38% 140,16% 136,37% 123,21% 116,86% 108,23% 93,39% 82,47% 65,54% 67,30% 61,57% 57,97% 47,73% 44,77% 42,93% 41,54% 36,59% 35,84% 34,55% 32,52% PRA ST C JC PZ KV UL LI HK PA VYS JM OL ZL MS 20