NEZAMĚ STNANOST VE VZTAHU K VENKOVSKÉMU PROSTŘEDÍ A ZEMĚ DĚ LSTVÍ UNEMPLOYMENT IN RELATION TO THE RURAL ENVIRONMENT AND AGRICULTURE DUFEK Jaroslav, (Č R) ABSTRACT The aim of this work was the analysis of relation between unemployment and selected factors characterizing rural area and agriculture. The original material for analysing were data from 1 region of the Czech republic. The simple and multiple models were defined by 7 explanatory variables using. This sample for multiple relations proceeded from stepwise regression and factor analysis. In case of simple relations the statistical evidential direct influence and indirect influence of registred units number in agriculture was proved. In case of multiple relations rate of rural inhebitants and rate of agricultural land was extra proved. KEY WORDS unemployment, agriculture, models Ú VOD V současných podmínká ch Č eské republiky se i přes vyhlášený Národní plá n zaměstnanosti Č eské republiky v roce 1999 a kaž doročně navazující realizované Národní akční plá ny stá le nedaří sníž it nezaměstnanost na přijatelnou úroveň. V závěru roku 23 dosahovala registrovaná míra nezaměstnanosti v ČR 1,3 %, přičemž existují značné regioná lní rozdíly. Nejnižší hodnota míry byla v okrese Praha-zá pad (3, %), nejvyšší v okrese Most (23,5 %). Velké rozdíly jsou i v počtu uchazečůo zaměstná ní na 1 volné pracovní místo. Nejpříznivější situace je v okresech Praha-zá pad a Praha-východ, v nichž na 1VPM připadá pouze 2,1 uchazečů, až extrémně nejhorší počet vykazuje naproti tomu okres Litoměřice, kde na 1 VPM je evidová no 96, uchazečů. Průměr pro celou Č R činí 13,5 uchazečůna 1 VPM. V posledním období se v Č R zvyšuje při dané sezonnosti nejen úroveň míry nezaměstnanosti, ale i její absolutní variabilita a levostranné zešikmení. Zvyšují se rozdíly regionůs nejnižší a nejvyšší nezaměstnaností, přičemž prá vě u regionůs vysokou nezaměstnaností se i přes různá opatření nezaměstnanost nadá le zvyšuje. Vlá da si je vědoma, ž e jednou z hlavních příč in vysoké regioná lní nezaměstnanosti je nevhodná odvětvová struktura. Nejvíce postiž eny jsou regiony s jednostranně zaměřeným průmyslem (zvláště na průmysl těž ební a těž ký), nepříznivě se projevuje i vyšší zaměření regionůna zemědělskou výrobu při nízké přítomnosti průmyslu. Předlož ený příspěvek si klade za cíl analyzovat vztah regioná lní nezaměstnanosti a vybraných faktorů charakterizujících venkovské prostředí a zemědělství. Jde o jeden z dílčích cílů získaného projektu v rámci interního Grantového systému MZLU v Brně pro rok 2, který je zaměřen na zkoumá ní trendu, sezonnosti a na modelová ní vztahůmíry nezaměstnanosti s některými ekonomickými a sociá lně demografickými charakteristikami v rámci celé Č eské republiky i jejích regionů. MATERIÁ L A METODIKA Data pro analýzu jsou získá na ze všech 1 krajůč R a vztahují se k roku 22. Kromě registrované regioná lní míry nezaměstnanosti bylo vybrá no dalších 7 ukazatelů, které více či méně charakterizují venkov resp. zemědělství a u nichž se můž e předpoklá dat vztah k nezaměstnanosti. Výběr těchto vysvětlujících proměnných byl dán mož nostmi získá ní 239
odpovídajících dat z vyhodnocovaných regionů. Na základě regresní a korelační analýzy jsou definová ny jednoduché a vícená sobné vztahy mezi registrovanou regioná lní mírou nezaměstnanosti a vybranými vysvětlujícími proměnnými (které bylo mož no získat), přičemž je použ ita ná sledující symbolika: y - registrovaná míra nezaměstnanosti v % x 1 - rozloha v km 2 x 2 - podíl zemědělské půdy k celkové rozloze daného území v % x 3 - % zornění (podíl orné půdy k zemědělské půdě v %) x - hustota obyvatel (počet obyvatel na 1 km 2 ) x 5 - podíl venkovského obyvatelstva v % x 6 - počet registrovaných jednotek v zemědělství, lesnictví a rybářství na 1 obyvatel x 7 - podíl samostatně hospodařících rolníkůk počtu registrovaných jednotek v zemědělství, lesnictví a rybářství na 1 obyvatel v % Tab. 1: Regioná lní a celostá tní data z roku 22 Region (kraj) MN Rozloha Podíl zem. půdy % zornění Hustota obyvatel Podíl venk. obyv. Zem. jedn. na 1 ob. Podíl hosp. rol. Hlavní město Praha 3,73 96 2,57 73,59 233 1,979 5,7 Středočeský kraj 7,21 11 6,7 3,3 12 5,2 13,13 79,97 Jihočeský kraj 6,65 157 9,3 6,57 62 35,65 19,3 69,17 Plzeňský kraj 7,6 7561 5, 69,3 73 33, 15,9 61,31 Karlovarský kraj 1,7 331 37,63 5, 92 1, 9,957 59,2 Ústecký kraj 17,13 5335 52,1 67,26 15 2,3 1,251, Liberecký kraj,6 33,5 5,6 135 21,77 13,72 73,22 Krá lovéhradský kraj 7,3 75 5,9 69,3 115 31,65 17,637 1,3 Pardubický kraj,66 51 6,69 73,3 1 3,7 1,93 79,5 Vysočina,32 6925 6,6 77,5 75 2,15 2,323 7,3 Jihomoravský kraj 11,2 765 6,3, 159 36,7 1,532,21 Olomoucký kraj,2 5159 53,7 75,73 3 2, 15, 75,7 Zlínský kraj 1,22 396 9,3 6,61 15 3,55 1,73 6,9 Moravskoslezský kraj 15,9 5535 51,7 62,7 22 22,99,756 79,37 Č eská republika 9,1 766 5,1 71,1 9 29,56,77 76,91 Při zpracová ní dat byly využ ity základní statistické metody a sice výpočet jednorozměrných číselných charakteristik úrovně a variability, definová ní jednoduchých a vícená sobných regresních funkcí a jim odpovídajících koeficientů korelace včetně ověření statistické průkaznosti a faktorová analýza pro výběr vysvětlujících proměnných. Při výběru vysvětlujících proměnných pro modely registrované míry nezaměstnanosti byl uplatněn rovněž zpětný postup kroková regrese, založ ený na postupném vylučová ní nevýznamných či méně významných proměnných. VÝSLEDKY Z výchozích hodnot zúč astněných ukazatelů a stejně tak z tabulky jednorozměrných charakteristik (Tab. 2) vyhodnocujících absolutní úroveň a variabilitu je zřejmé, ž e u některých ukazatelů je značná variabilita ovlivněná zařazením hlavního města Prahy v rá mci souboru 1 krajůč R. Praž ský kraj vykazuje u některých ukazatelůextrémní hodnoty, především pokud jde o rozlohu, hustotu obyvatelstva a podíl venkovského obyvatelstva. 2
Z uvedeného důvodu byl uplatněn dvojí přístup k analýze. Byl vyhodnocová n jednak soubor všech 1 krajůč R (A), jednak soubor 13 krajůbez hlavního města Prahy (B). Varianta B vykazuje výsledky, které jsou pro vytváření závěrůo zkoumaných vztazích s ohledem na vyloučení extrémůvěrohodnější a lépe interpretovatelné. Tab. 2: Charakteristiky úrovně a variability Ukazatele Aritmetický (proměnné) průměr Směrodatná odchylka Variační koeficient Min. Max. S o u b o r 1 k r a j ů Č e s k é r e p u b l i k y y míra nezaměstnanosti (%) 9,59 3,62 37,71 3,73 17,13 x 1 rozloha (km 2 ) 5633 2759 9 96 11 x 2 podíl zem. půdy (%) 52,35 7, 1,1 37,63 6,7 x 3 zornění (%) 6,65 1,9 15,99 5,, x hustota obyv. na km 2 2 595 21 62 233 x 5 podíl venkov. obyv. (%) 3,53,37,51, 5,2 x 6 zem. jedn. na 1 obyv. 13,9,9 35,5 1,9 2,32 x 7 podíl hosp. rolníků(%) 7,29 9,62,95 5,7 6,9 S o u b o r 13 k r a j ů Č e s k é r e p u b l i k y b e z P r a h y y míra nezaměstnanosti (%) 1, 3,33 33, 6,65 17,13 x 1 rozloha (km 2 ) 62 225 33 11 x 2 podíl zem. půdy (%) 53,1 7, 13,2 37,63 6,7 x 3 zornění (%) 6,27 11,33,59 5,, x hustota obyv. na km 2 2 5 62 22 x 5 podíl venkov. obyv. (%) 32, 9,6 27,55 1, 5,2 x 6 zem. jedn. na 1 obyv. 1,2 3,7 2,97,76 2,23 x 7 podíl hosp. rolníků(%) 75,79,13 1,72 59,2 6,9 Pro kvantifikaci a posouzení mož ného vlivu vybraných ukazatelůna dosahovanou úroveň registrované regioná lní míry nezaměstnanosti byly definová ny jednoduché lineárníregresní modely včetně odpovídajících koeficientůkorelace: Varianta A (1 krajůč R) Varianta B (13 krajůč R bez Prahy) y = 9,66, x 1 r =, y =,95,1 x 1 r =,3 y = 7,792 +,3 x 2 r =,71 y = 13,293,61 x 2 r =,131 y =,659,5 x 3 r =,135 y = 11,76,25 x 3 r =,5 y = 1,32,3 x r =,15 y = 3,3 +,5 x r =,77 ** y = 9,21 +,1 x 5 r =,35 y = 15,,175 x 5 r =,76 y = 1,6,62 x 6 r =,5 y = 1,6,57 x 6 r =,63 * y =,57 +,191 x 7 r =,57 y =,96 +,13 x 7 r =,326 Z výsledků vyplývá, ž e u varianty A je největší stupeň závislosti regioná lní míry nezaměstnanosti na hustotě obyvatelstva a přitom jde o negativní vztah. Tento výsledek je výrazně ovlivněn Prahou, kde je nezaměstnanost na velmi nízké úrovni a přitom je zde extrémně vysoká hustota obyvatel. Obr. 1 názorně dosvědčuje, ž e úč ast Prahy vztah výrazně zkresluje. Při vyřazení Prahy u varianty B se s vysokou průkazností projevil ještě větší stupeň zá vislosti (r =,77 **), avšak směr závislosti je kladný. Regresní koeficient +,5 přitom znamená, ž e při daných podmínká ch spolupůsobení všech ostatních vlivůse vyšší hustota obyvatelstva na 1 km 2 o 1 obyvatel projevuje ve zvýšení míry nezaměstnanosti o,5 %. 21
míra nezaměstnanosti (%) 2 A 5 1 15 2 25 hustota obyvatel na 1 km 2 Obr. 1: Vztah mezi regioná lní mírou nezaměstnanosti a hustotou obyvatel (A 1 krajůč R, B 13 krajůč R bez hlavního města Prahy) Při rozlišení obyvatelstva na městské a venkovské a následného zkoumá ní vlivu jejich procentického zastoupení na úroveň nezaměstnanosti lze konstatovat, ž e vyšší podíl venkovského obyvatelstva přispívá k dosahová ní nižší míry nezaměstnanosti. Vyšší podíl venkovského obyvatelstva o 1 % odpovídá nižší míře nezaměstnanosti o,175 %. Dá se to vysvětlit tím, ž e města s větším počtem obyvatel a přitom s nedostatečným počtem pracovních míst ovlivňují zvyšová ní nezaměstnanosti. Průkazný vztah (r =,63*) se projevil ve vztahu míry nezaměstnanosti a počtem registrovaných zemědělských, lesnických a rybářských jednotek na 1 obyvatel. Čím je vyšší počet těchto jednotek, tím je míra nezaměstnanosti nižší. Regresní změna je poměrně velká, neboť podle regresního koeficientu vyvolá zvýšení o 1 registrovanou jednotku na 1 obyvatel sníž ení registrované míry nezaměstnanosti o,63 %. míra nezaměstnanosti (%) 2 B 1 2 3 5 podíl venkovského obyvatelstva (%) Obr. 2: Vztah mezi mírou nezaměstnanosti a podílem venkovského obyvatelstva (B 13 krajůč R bez Prahy) Obdobný vliv (i když s jinou úrovní regresní změny) by jistě vykazoval i ukazatel, který by charakterizoval počet registrovaných jednotek celkem na 1 obyvatel (případně i počet jednotek jiného odvětví), neboť jejich vyšší počet svědčí o vyšší ekonomické aktivitě a tedy i o vyšší zaměstnanosti. Naproti tomu podíl samostatně hospodařících rolníkůz počtu zemědělských, lesnických a rybářských registrovaných jednotek vykazuje s mírou nezaměstnanosti pozitivní zá vislost. Na kaž dé procento podílu rolníkův případě varianty B připadá,19 % míry nezaměstnanosti při skoro průkazném koeficientu korelace r =,51. 2 míra nezaměstnanosti (%) B 5 1 15 2 25 hustota obyvatel na 1 km 2 2 B 5 1 15 2 25 zem., les. a ryb. jednotky na tis. obyv. Obr. 3: Vztah mezi mírou nezam. a počtem registr. zem., les. a ryb. jedn. na tis. obyv. (B 13 krajůč R bez Prahy) 22
Vztah k zemědělství charakterizuje rovněž podíl zemědělské půdy. Vliv tohoto ukazatele na míru nezaměstnanosti se však projevil jako statisticky neprůkazný s koeficientem korelace kolem /r/ =,1. Rovněž procento zornění, které do určité míry vypovídá o intenzitě zemědělského podniká ní, nevykazuje s mírou nezaměstnanosti průkazný vztah a má zhruba stejně nízký koeficient korelace. Všechny výše uvedené závislosti se týkaly pouze jednoduchých vztahů mezi mírou nezaměstnanosti a jednotlivými vysvětlujícími proměnnými. Při definová ní vícená sobných vztahů byl zvolen pro výběr vysvětlujících proměnných dvojí přístup, a to na základě faktorové analýzy a prostřednictvím krokové regrese. Vý sledky faktorové analý zy: varianta A (soubor všech 1 krajůč R) Faktor Vlast. hodn. % Kumulat. % Zastupující proměnná 1,1 59, 59, x 5 podíl venkovského obyvatelstva v % 2 1, 2,2, x 3 % zornění (podíl orné půdy ze zem. v %) 3,79 1,7 9,7 x 7 podíl samost. hosp. rolníkůze zem. jedn. v %),35 5,5 96,2 x 1 rozloha v km 2 Regresní rovnice: y = 9,21 +,1 x 5 r =,35 * y =,7 +,36 x 5,6 x 3 r =,17 y = 3,5,9 x 5,5 x 3 +,292 x 7 r =,66 y =,191,13 x 5,9 x 5 +,3 x 7 +,3 x 1 r =,66 varianta B (soubor 13 krajůč R bez hlavního města Prahy) Při výpočtu byly s ohledem na praktickou interpretaci vybírá ny za jednotlivé faktory proměnná s druhou největší faktorovou zá těží. Faktor Vlast. hodn. % Kumulat. % Zastupující proměnná 1 3,573 51, 51, x 5 podíl venkovského obyvatelstva v % 2 1,971 2,2 79,2 x 7 podíl samost. hosp. rolníkůze zem. jedn. v %) 3,29 11, 91,1 x 6 počet zem., les. a ryb. jednotek na 1 obyv.,39,3 95, x 2 podíl zemědělské půdy v % Regresní rovnice: y = 15,,175 x 5 r =,76 y = 1,23,236 x 5 +,2 x 7 r =,691 * y = 5,736,1 x 5 +,19 x 7,3 x 6 r =,777 * y = 6,365,1 x 5 +,29 x 7,5 x 6 +,53 x 2 r =,779 Z výsledkůfaktorové analýzy vyplývá, ž e z formá lního i z interpretačního hlediska se jeví jako vhodný statisticky průkazný model y = 5,736,1 x 5 +,19 x 7,3 x 6 r =,777 * Vyšší podíl venkovského obyvatelstva (x 1 ) o 1 % se při vyloučení vlivu obou dalších zúč astněných proměnných (x 7, x 6 ) projevuje ve sníž ení míry nezaměstnanosti o,1 %. Negativní dílčí vztah s mírou nezaměstnanosti vykazuje rovněž počet zemědělských, lesnických a rybářských jednotek v přepočtu na 1 obyvatel (x 6 ). Kaž dá tato další registrovaná jednotka na 1 obyvatel při vyloučení vlivu x 5 a x 7 přináší sníž ení míry nezaměstnanosti o,3 %. Naproti tomu se vliv podílu samostatně hospodařících rolníků (x 7 ) projevuje k míře nezaměstnanosti obdobně jako u jednoduché závislosti v přímém vztahu, přičemž dílčí regresní koeficient vypovídá, ž e zvýšení tohoto podílu o 1 % se odrazí ve zvýšení míry nezaměstnanosti o,1 %. 23
Vý sledky krokové regrese zpětný postup: varianta A (soubor všech 1 krajůč R) Regresní funkce Korelace y = 6,263,x 1,6x 2 +,x 3,1x,27x 5,2x 6 +,22x 7,9 y =,,17x 2 +,32x 3,9x,273x 5,26x 6 +,265x 7,73 y = 1,52,91x 2 +,6x 3,9x,399x 5 +,265x 7,5* y =,71 +,137x 3,7x,37x 5 +,192x 7,76* y =,526,x,22x 5 +,265x 7,755* y = 7,711,x 5 +,22x 7,65 y =,57 +,191x 7,57 varianta B (soubor 13 krajůč R bez hlavního města Prahy) Regresní funkce Korelace y = 7,65,3x 1,3x 2 +,36x 3 +,3x,21x 5,65x 6 +,5x 7,9 y = 7,36,3x 1,393x 2 +,393x 3 +,3x,25x 5 +,36x 7,9 y =,26,3x 1,365x 2 +,3x 3 +,3x,2x 5,* y = 7,95,299x 2 +,3x 3 +,5x,22x 5,73* y = 3,725 +,119x 3 +,3x,215x 5,35** y = 6,1 +,52x,1x 5,5** y = 3,3 +,5x,77** Na základě výsledků získaných krokovou regresí lze konstatovat, ž e významnými vysvětlujícími proměnnými se jeví: x - hustota obyvatel na 1 km 2, x 5 - podíl venkovského obyvatelstva v %, x 3 - % zornění a x 2 - podíl zemědělské půdy k celkové rozloze daného území v %. Vliv rozlohy území (x 1 ) je zanedbatelný. Dílčí regresní koeficienty charakterizují vž dy změny v úrovni míry nezaměstnanosti vyvolané změnou příslušné vysvětlující proměnné o svou jednu měrnou jednotku při podmínce vyloučení vlivu zbývajících proměnných v rovnici. V případě statisticky průkazného modelu s nejvyšším vícená sobným koeficientem korelace r =,* tedy platí, ž e vyšší podíl zemědělské půdy o 1 % se projeví ve sníž ení míry nezaměstnanosti o,299 %, vyšší procento zornění o 1 % ve zvýšení o,3 %, vyšší hustota obyvatel na 1 km 2 o 1 obyvatele ve zvýšení o,5 % a vyšší podíl venkovského obyvatelstva o 1 % ve sníž ení o,22 %. ANOTACE Cílem prá ce byla analýza vztahu regioná lní nezaměstnanosti a vybraných faktorů charakterizujících venkovské prostředí a zemědělství. Za výchozí materiá l pro analýzu slouž ily údaje získané ze 1 krajů Č eské republiky. Byly definová ny jednoduché a vícená sobné modely při použ ití 7 vysvětlujících proměnných, jejichž výběr pro vícená sobné vztahy vychá zel z krokové regrese a faktorové analýzy. U jednoduchých vztahůbyl proká zá n statisticky průkazný přímý vliv hustoty obyvatel a nepřímý vliv počtu registrovaných jednotek v zemědělství, u vícená sobných vztahů to byly navíc podíl venkovského obyvatelstva a podíl zemědělské půdy. KLÍČ OVÁ SLOVA nezaměstnanost, zemědělství, modely 2
LITERATURA 1. DUFEK, J.: Nezaměstnanost v sociá lně demografických souvislostech. In: Sborník z meziná rodní konference Č eská ekonomika 2, očeká vá ní-skutečnost-perspektivy, s. 6-69, Karviná 2, ISBN -72-59-6. 2. DUFEK, J.: Statistická analýza nezaměstnanosti v České republice. In: Zborník príspevkov z II. Slovenkej štatistickej konferencie Štatistické metódy v praxi, s. 3-7, Nitra 22, ISBN -96-19-. 3. DUFEK, J.: Analýza vývoje regioná lní nezaměstnanosti v České republice. In: Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, roč. LI, č. 6, s. 35-5, 23, ISSN 11-5.. DUFEK, J.: Development of Regional Unemployment Characteristics in the Czech Republic. In: AGRICULTURAL ECONOMICS Zemědělská ekonomika, roč. 9, č., s. 571-57, 23, ISSN 139-57X. KONTAKTNÍ ADRESA Prof. Ing. Jaroslav Dufek, DrSc., ústav statistiky a operační analýzy PEF MZLU v Brně, Zemědělská 5, 613 Brno, Č eská republika, dufek@mendelu.cz Oponent: prof. Ing. Alojz Podolá k, CSc. 25