
Regionálna a kohézna politika sa snaží vyvažovať rozdiely, ktoré neustále vytvára rast a pomáhať pomalšie rastúcim regiónom rýchlejšie rásť a dosiahnuť celkové tempo rastu únie. Je možné, že regionálna a kohézna politika bola vytvorená v určitom momente ako súčasť krátkodobého obchodu, ale to neznamená, že sa tým obmedzuje jej oprávnenosť na existenciu. Zmyslom tejto politiky je to, že dáva únii šancu dosiahnuť rast vyváženejším spôsobom.
Graham Meadows
generálny riaditeľ DG Regio (2003-2006),
poradca v kabinete predsedu EK Gastona E. Thorna (1981-1985),
vedúci kabinetu člena EK Stanleyho Clintona Davisa (1986-1989)
Odkiaľ sa vzala regionálna/kohézna politika EÚ a ako sa vyvinula na jednu z hlavných politík únie? Aký je jej deklarovaný účel? Čo je to NUTS a ako sa menili regionálne sústavy v členských krajinách EÚ? Je vhodnejšie porovnávať regionálne rozdiely podľa miery nezamestnanosti alebo podľa HDP? Na tieto a ďalšie súvisiace otázky spojené so základnou otázkou ako a prečo sme sa rozhodli pozrieť sa na regionálne rozdiely v EÚ sa pokúsime zodpovedať v tejto kapitole.
| 1-1 | Exkurz do histórie regionálnej/kohéznej politiky EÚ
V zásade možno odlíšiť dva základné prístupy (či ich skupiny) k regionálnemu rozvoju. Prvý ideovo vychádza z neoklasického alebo neokonzervatívneho (neoliberálneho) teoretického základu (klasická ekonomická škola a jej nasledovníci), zdôrazňujúc prirodzené vyrovnávajúce tendencie pri rozvoji regiónu z dlhodobého hľadiska. Rozdiely medzi regiónmi sú v rámci tohto smeru chápané ako prirodzené, dané odlišnými podmienkami a regionálnymi osobitosťami rôzneho pôvodu. Zdôrazňujú sa skôr pozitíva, ktoré rozdiely medzi regiónmi prinášajú, najmä prostredníctvom možností špecializácie, decentralizácie a väčšej plurality názorov a prístupov k riešeniu problémov v regiónoch. Regionálne disparity tiež stimulujú a podporujú sociálnu i geografickú mobilitu obyvateľstva.
Druhý prístup sa odvíja od keynesiánskych a (post- alebo tiež neo-) marxistických teórií. Za príčinu regionálnych nerovností považuje živelný charakter kapitalizmu, zdôrazňujúc ním vyvolanú sociálnu nespravodlivosť a súvisiacu sociálnu nestabilitu, koncentrovanú v problémových regiónoch. Prívrženci tohto smeru sú presvedčení, že bez zásahov štátu by prevládali tendencie smerujúce k zväčšovaniu (prehlbovaniu) rozdielov, ktoré by následne existovali dlhodobo či trvalo. Na báze tohto prístupu sa vyvinula a dodnes existuje i regionálna/kohézna politika EÚ vo forme redistribučnej stratégie, ktorá sa programovo realizuje prostredníctvom sústavy plánov a operačných programov a finančne sa zabezpečuje najmä prostredníctvom štrukturálnych fondov a Kohézneho fondu (Blažek 1996).
Od Rímskych zmlúv po Jednotný Európsky akt (1957-1988)
Regionálna/kohézna politika patrí medzi základné politiky, ktorým sa Európska únia venuje už od obdobia tzv. Rímskych zmlúv, ktorými sa v roku 1957 zmluvne založilo Európske hospodárske spoločenstvo (EHS) a Európskeho spoločenstvo pre atómovú energiu (Euroatom). Šesť zakladajúcich členských štátov sa v preambule odvoláva na potrebu „posilniť jednotu ekonomík a zaistiť ich harmonický rozvoj znižovaním existujúcich rozdielov medzi jednotlivými regiónmi a zmierňovaním zaostalosti znevýhodnených regiónov“.
V roku 1958 bol ako prvý z fondov zriadený Európsky sociálny fond (ESF). V roku 1962 došlo k zriadeniu ďalšieho finančného nástroja, a to Európskeho poľnohospodárskeho usmerňovacieho a záručného fondu (EAGGF). V roku 1975 vznikol Európsky fond regionálneho rozvoja (EFRD), ktorý slúži na prerozdeľovanie časti rozpočtových príspevkov členských štátov na rozvoj najchudobnejších regiónov. Tento fond vznikol aj v súvislosti s pristúpením Spojeného kráľovstva k Európskym spoločenstvám (ES) ako kompromis. Už v tej dobe, teda dávno predtým, než Margaret Thatcher zamávala smerom k Bruselu kabelkou a žiadala svoje peniaze späť, v Londýne prevládali námietky i voči vtedajšej podobe Spoločnej poľnohospodárskej politiky, ktorá by spôsobovala pre ostrovanov výrazné straty vo vzájomnej rozpočtovej pozícii s ES. Ako kompenzácia bol navrhnutý vznik EFRD, ktorý mal slúžiť na redistribúciu časti príspevku členských krajín, ktoré platili do spoločného rozpočtu ES, späť do členských krajín, presnejšie do tzv. zaostávajúcich regiónov, na ich ekonomické pozdvihnutie – od počiatku ide teda o nezmyselnú recykláciu zdrojov. Tu kdesi začala púť systematickej regionálnej politiky na celoeurópskej úrovni ako nového konceptu. Jednou zo základných úloh ERDF je podľa príslušného nariadenia „podporovať regionálny rozvoj“ ako i prispievať k „vysokej úrovni ochrany a zlepšovania životného prostredia“. Okrem iného tento fond financuje investície do rozvoja infraštruktúry.
Jednotný európsky akt prijatý v decembri 1986 v Londýne vytvoril podmienky pre realizáciu regionálnej/kohéznej politiky EÚ s cieľom pomôcť najmä krajinám južnej Európy (reakcia na pristúpenie Grécka, Španielska a Portugalska) a ďalším ekonomicky zaostávajúcim regiónom pri „vyrovnávaní sa s nárokmi jednotného trhu“.
Prvé programovacie obdobie (1989-1993)
Na zasadnutí Európskej rady v Bruseli vo februári 1988 sa rozhodlo o zásadnej zmene vo fungovaní fondov solidarity – dnes nazývaných ako „štrukturálne fondy“ – a pre prvé programovacie obdobie 1989-1993 sa na realizáciu regionálnej politiky EÚ prideľuje rozpočtový balík (tzv. Delorsov balík I) vo výške 69 mld. ECU (v cenách z roku 1997). Pre obdobie 1989-1993 bolo určených päť prioritných cieľov regionálnej/kohéznej politiky EÚ:
· Cieľ 1: podpora rozvoja a štrukturálneho prispôsobenia regiónov, ktorých rozvoj zaostáva,
· Cieľ 2: konverzia regiónov vážne postihnutých priemyselným úpadkom,
· Cieľ 3: boj proti dlhodobej nezamestnanosti,
· Cieľ 4: uľahčenie pracovnej integrácie mladých ľudí,
· Cieľ 5a: zrýchlenie prispôsobenia poľnohospodárskych štruktúr a
· Cieľ 5b: podpora rozvoja vidieckych oblastí.
Dotácie poskytnuté v rámci hlavného cieľa 1 smerovali do regiónov obývaných 86,2 mil. obyvateľmi (mapa č. 1) a predstavovali celkovo 43,8 mld. ECU zo štrukturálnych fondov, čo predstavovalo 64 % z celkového objemu alokácie pre dané obdobie. Hlavnými prijímateľmi boli Španielsko s prídelom 10,2 mld. ECU, nasledované Talianskom (8,5 mld. ECU), Portugalskom (8,45 mld. ECU), Gréckom (7,5 mld. ECU) a Írskom (4,46 mld. ECU).
Mapa č. 1|1-1|: Regióny oprávnené pre čerpanie eurofondov v programovacom období 1989-1993
Zdroj: DG Regio, Európska komisia
Druhé programovacie obdobie (1994-1999)
V Zmluve o Európskej únii (tiež tzv. Maastrichtská zmluva) platnej od roku 1993 je kohézia (súdržnosť) spolu s hospodárskou a menovou úniou a jednotným trhom definovaná ako jeden z hlavných cieľov EÚ. Na zasadnutí Európskej rady v Edinburgu bolo v decembri 1992 pre druhé programovacie obdobie 1994-1999 schválených 168 mld. ECU (v cenách z roku 1997) na realizáciu regionálnej/kohéznej politiky EÚ, čo predstavovalo takmer tretinu eurorozpočtu (tzv. Delorsov balík II). Štrukturálne fondy sa rozšírili o Finančný nástroj na riadenie rybného hospodárstva (FIFG).
Oproti prvému neprinieslo druhé programovacie obdobie v cieľoch významné zmeny:
- Cieľ 1: podpora rozvoja a štrukturálneho prispôsobenia regiónov, ktorých rozvoj zaostáva,
- Cieľ 2: konverzia regiónov alebo častí regiónov vážne postihnutých priemyselným úpadkom,
- Cieľ 3: boj proti dlhodobej nezamestnanosti a uľahčenie integrácie do pracovného života mladých ľudí a osôb vystavených vylúčeniu z pracovného trhu, podpora rovnakých pracovných príležitostí pre mužov i ženy,
- Cieľ 4: uľahčenie adaptácie pracovníkov na priemyselné zmeny a zmeny vo výrobných systémoch,
- Cieľ 5a: podpora rozvoja vidieka pomocou zrýchlenia prispôsobenia poľnohospodárskych štruktúr v rámci reformy spoločnej poľnohospodárskej politiky a podpory modernizácie a štrukturálneho prispôsobenia odvetvia rybného hospodárstva,
- Cieľ 5b: podpora rozvoja vidieka pomocou podpory rozvoja a štrukturálneho prispôsobenia vidieckych oblastí a
- Cieľ 6: rozvoj a štrukturálne prispôsobenie regiónov s mimoriadne nízkou hustotou obyvateľstva (k 1. januáru 1995 v súvislosti s pristúpením Švédska a Fínska k EÚ).
Dotácie poskytnuté v rámci hlavného cieľa 1 smerovali do regiónov obývaných 97,7 mil. obyvateľmi (mapa č. 2) a predstavovali celkovo 94 mld. ECU zo štrukturálnych fondov a 14,45 mld. ECU z Kohézneho fondu, čo predstavovalo 68 % z celkového objemu zdrojov v danom období.
V roku 1994 vzniká Kohézny fond (CF),ktorý slúži na podporu projektov v oblasti životného prostredia a dopravy v členských štátoch, ktorých hrubý národný produkt (HNP) na obyvateľa je nižší ako 90 percent priemeru ES, pričom jednou z podmienok pre čerpanie jeho zdrojov bola povinnosť dotknutých krajín mať zároveň program na dosiahnutie ekonomických konvergenčných kritérií (tzv. konvergenčný program). Vznik tohto fondu je ďalším príkladom kompenzačnej politiky a dôsledkom handlovania o rozdelenie európskeho rozpočtu, pričom netreba zabúdať, že zriadenie tohto fondu bolo zároveň súčasťou cesty k vytvoreniu Ekonomickej (hospodárskej) a menovej únie (EMÚ) a skratkou k čo najskoršiemu prijatiu spoločnej meny euro v čo najväčšom počte členských krajín EÚ. Keďže sa v polovici 80. rokov minulého storočia rozhodovalo o „prehĺbení európskej integrácie“ a vzniku spoločného vnútorného trhu, menej rozvinuté krajiny „juhu“ (Grécko, Španielsko a Portugalsko) blokovali Jednotný európsky akt dovtedy, kým sa doň nedostali zmienky o potrebe ekonomickej a sociálnej súdržnosti, čo po preklade z eurospeaku znamenalo navýšenie zdrojov pre eurofondy. Túto pozíciu vydierania menované krajiny zopakovali pri schvaľovaní Maastrichtskej zmluvy, ktorou sa ES vydali smerom k EÚ a EMÚ. Keďže plnenie konvergenčných kritérií EMÚ si vyžadovalo okrem iného i obmedzenia v oblasti verejných výdavkov, a menej rozvinuté krajiny sa nechceli vzdať štedrej európskej pomoci, ktorá si vyžaduje spolufinancovanie i z národných zdrojov (štátnych rozpočtov), bol zavedený Kohézny fond. Jeho špecifikum spočívalo v tom, že na rozdiel od štrukturálnych fondov jeho podpora nemala smerovať na projekty regionálneho či lokálneho rázu, ale na finančne mimoriadne nákladné dopravné infraštrukturálne projekty, ktoré by predkladali národné vlády členských krajín na schválenie Európskej komisii (EK) v Bruseli. V súvislosti s očakávaným vstupom škandinávskych krajín do EÚ (v roku 1995 pristúpili k EÚ Fínsko a Švédsko spoločne s Rakúskom), s ktorými už začiatkom 90. rokov prebiehali prístupové rokovania, sa v nadväznosti na ich požiadavky vyplývajúce z ich tradície vyšších štandardov ochrany životného prostredia pristúpilo na kompromis, na základe ktorého putujú finančné prostriedky z Kohézneho fondu do danej krajiny nielen na projekty dopravnej infraštruktúry, ale i projekty environmentálnej infraštruktúry, a to rozdelené v pomere 50:50 (Tarschys 2003).
Mapa č. 2|1-1|: Regióny oprávnené pre čerpanie eurofondov v programovacom období 1994-1999
Zdroj: DG Regio, Európska komisia
Príklad hodnotenia efektivity eurofondov (Rodríguez-Pose – Fratesi 2004)
Od roku 1989 sú prostriedky zo štrukturálnych fondov prideľované prostredníctvom viacročného plánovania na základe rozvojových plánov spravidla na 5 až 7 rokov, ktoré spracúvajú vlády členských krajín v spolupráci s dotknutými regiónmi, pričom podliehajú schváleniu Európskou komisiou. V súčasnosti prebieha štvrté programovacie obdobie (2007-2013) a nastávajúca sedemročnica (2014-2020) už klope na dvere. Na výsledky, ktoré regionálna politika EÚ dosiahla počas prvých dvoch období (1989-1993 a 1994-1999) v zaostalých regiónoch, poukazuje analýza, ktorú publikovali v renomovanom geografickom periodiku Regional Studies A. Rodríguez-Pose a U. Fratesi.
Podľa ich výskumu sa rozvojová pomoc EÚ v zaostávajúcich regiónoch v rokoch 1989-1999 sústreďovala do nasledovných štyroch oblastí: 1. podpora poľnohospodárstva a rozvoj vidieka, 2. podpora podnikania a turizmu, 3. investície do dopravnej infraštruktúry a životného prostredia a 4. investície do vzdelávania a ľudských zdrojov. Zaujímavejší je pohľad na návratnosť týchto „investícií vo verejnom záujme“ a ich vplyv na hospodársky rast v zaostalých regiónoch.
Podpora poľnohospodárstva a rozvoja vidieka prináša len okamžitý krátkodobý pozitívny efekt, ktorý sa postupne stráca a zo strednodobého pohľadu sa javí ako strata. Ide o klasický príklad dotačnej politiky bez pozitívneho vplyvu na ekonomický rast. Nedostatočnú návratnosť však preukazujú i investície do oblasti podpory podnikania a turizmu, ako i dopravnej infraštruktúry a životného prostredia, kam putovali spolu takmer tri štvrtiny celkovej pomoci pre zaostávajúce regióny. Nízky vplyv podpory podnikania na regionálny hospodársky rast vyplýva i z faktu, že subvencie často prúdia k podnikom, ktorým neraz chýba patričná konkurencieschopnosť a know-how, aby mohli po ukončení prijímania pomoci obstáť v konkurencii na voľnom trhu. Absencia pozitívnych strednodobých dopadov investícií do dopravnej infraštruktúry, ktoré sú trvalo atraktívnou témou najmä pre vládnuce politické strany, vyplýva i z faktu, že budovanie ciest, železníc či letísk samo o sebe nevytvára hospodársky rast. Zlepšenie dostupnosti má však byť predpokladom vyššieho profitu a rastu miestnych podnikov ako následok rozšírenia odbytu. Nadnárodní plánovači však akosi zabúdajú, že diaľnice sa zväčša vedú obojsmerne, a vyššia dostupnosť zaostávajúceho regiónu otvára tiež možnosti už etablovaným podnikom z jadrových regiónov rozšíriť pole svojej pôsobnosti o nové trhy aj na úkor miestnych firiem.
Výsledky priestorovej analýzy dokumentujú jednoznačné zlyhanie regionálnej politiky EÚ. Zo 44 regiónov, ktoré v roku 1989 spĺňali kritérium zaostalosti čiže ich ekonomická úroveň nedosahovala 75 percent HDP na obyvateľa priemeru EÚ v parite kúpnej sily sa v súčasnosti v tejto spoločnosti nachádza stále 43 z nich. Taktiež niet známok o konvergencii, teda o trende približovania ich hospodárskej úrovne k zvyšku EÚ. Svedčí to o tom, že regionálna politika EÚ je typickým príkladom centrálne plánovanej redistribučnej stratégie, ktorá len dopomáha ku konzervácii aktuálneho stavu. Neexistuje žiadny pozitívny vzťah medzi podporou zo štrukturálnych fondov a regionálnym hospodárskym rastom, a to ani po viacerých rokoch od poskytnutia pomoci.
Tretie programovacie obdobie (2000-2006)
Európska rada v Berlíne v marci 1999 schválila zmeny v regionálnej/kohéznej politike EÚ platné pre tretie programovacie obdobie 2000-2006, na ktoré sa vyčlenilo 213 mld. eur pre vtedajšie členské krajiny EÚ a ďalších 21,7 mld. eur pre desať krajín, ktoré k EÚ pristúpili v roku 2004. Ešte než došlo k samotnému pristúpeniu a bezprecedentnému rozšíreniu EÚ vznikol Predvstupový štrukturálny nástroj (ISPA) a Špeciálny predvstupový program pre poľnohospodárstvo a rozvoj vidieka (Sapard), ktorých cieľom bolo podporiť rozvoj kandidátskych krajín strednej a východnej Európy, čím doplnili program Phare (Poland and Hungary Assistance for the Restructuring of the Economy), ktorý existoval už od roku 1989.
Mapa č. 3|1-1|: Regióny oprávnené pre čerpanie eurofondov v programovacom období 2000-2006
Zdroj: DG Regio, Európska komisia
Zlúčením predchádzajúcich cieľov 2 a 5, ako aj cieľov 3 a 4, sa zmeny v architektúre regionálnej/kohéznej politike EÚ z roku 1999 pretavili do zníženia počtu cieľov zo šiestich na tri a počtu iniciatív z trinástich na štyri. Tri zostávajúce ciele boli nasledovné:
- Cieľ 1: podpora rozvoja a štrukturálneho prispôsobenia regiónov, ktorých rozvoj zaostáva,
- Cieľ 2: podpora ekonomickej a sociálnej konverzie oblastí, ktoré čelia štrukturálnym ťažkostiam a
- Cieľ 3: podpora adaptácie a modernizácie politík a systémov vzdelávania, odbornej prípravy a zamestnanosti.
Dotácie poskytnuté v rámci hlavného cieľa 1 smerovali do regiónov obývaných 169,4 mil. obyvateľmi (mapa č. 3) a predstavovali celkovo 149,2 mld. eur zo štrukturálnych fondov a 25,4 mld. eur z Kohézneho fondu, čo predstavovalo 71,6 % z celkového balíka pre regionálnu/kohéznu politiku EÚ.
Na zasadnutí Európskej rady v Lisabone v marci 2000 bola schválená Lisabonská stratégia pre rast a zamestnanosť (tzv. Lisabonská stratégia), ktorá bola na summite v Göteborgu v júni 2001 doplnená o formuláciu trvalo udržateľného rozvoja. Hlavným cieľom Lisabonskej stratégie bolo vytvoriť do roku 2010 z Európskej únie „najkonkurencieschopnejšiu a najdynamickejšiu znalostnú ekonomiku schopnú udržateľného hospodárskeho rastu so zvýšeným počtom a kvalitou pracovných miest a väčšou sociálnou súdržnosťou“. Na plnenie cieľov Lisabonskej stratégie mala slúžiť aj regionálna/kohézna politika EÚ.
Na zasadnutí Európskej rady v Kodani v decembri 2002 boli dohodnuté podmienky prijatia desiatich nových členských štátov do únie (tzv. Kodanské kritériá). V máji 2004 Česká republika, Estónsko, Cyprus, Lotyšsko, Litva, Maďarsko, Malta, Poľsko, Slovinsko a Slovensko pristúpili k EÚ.
2005
Štvrté programovacie obdobie (2007-2013)
Európska rada dosiahla v decembri 2005 kompromis vo veci rozpočtu na štvrté programovacie obdobie 2007-2013, pre ktoré sa na regionálnu/kohéznu politiku EÚ spolu vyčlenilo 347 mld. eur (v bežných cenách). V máji 2006 bola definitívne podpísaná dohoda o rozpočte a v auguste 2006 nadobudli účinnosť nové nariadenia o štrukturálnych fondoch na programovacie obdobie 2007-2013
V októbri 2006 boli následne prijaté „strategické usmernenia Spoločenstva v oblasti kohézie“, ktoré definovali základ, na ktorom spočíva nová regionálna/kohézna politika EÚ a boli stanovené zásady a priority na nové obdobie. V januári 2007 pristúpili k EÚ Bulharsko a Rumunsko. Nové programovacie obdobie prinieslo zlúčenie predchádzajúcich cieľov 2 a 3 a premenu iniciatívy Interreg na plnenie samostatného cieľa a integráciu ostatných iniciatív do hlavných programov. Prioritné ciele boli definované nasledovne:
- „Konvergencia“: usiluje sa o zrýchlenie konvergencie najmenej rozvinutých členských štátov a regiónov, ktoré sú definované podľa HDP na hlavu menšom ako 75 % priemeru EÚ,
- „Regionálna konkurencieschopnosť a zamestnanosť“: pokrýva všetky ostatné regióny EÚ s cieľom posilniť konkurencieschopnosť a príťažlivosť regiónov, ako aj zamestnanosť,
- „Európska územná spolupráca“: založená na iniciatíve Interreg, podpora je dostupná pre cezhraničnú, nadnárodnú a medziregionálnu spoluprácu, ako aj pre siete.
Dotácie poskytnuté v rámci hlavného cieľa „Konvergencia“ smerovali do regiónov obývaných 170 mil. obyvateľmi (mapa č. 4) a predstavovali celkovo 213,2 mld. eur zo štrukturálnych fondov a 69,6 mld. eur z Kohézneho fondu, čo predstavovalo 81,5 % z celkových zdrojov pre regionálnu/kohéznu politiku EÚ pre dané obdobie. Počet fondov, prostredníctvom ktorých sa financovala regionálna/kohézna politika sa zredukoval zo šiestich na tri – dva štrukturálne fondy (EFRD a ESF) a Kohézny fond. Zvyšné štrukturálne fondy sa premenili na Európsky poľnohospodársky fond pre rozvoj vidieka (EAFRD) a Európsky fond pre rybné hospodárstvo (EFF). Nástroj predvstupovej pomoci (IPA) nahradil v roku 2007 predchádzajúce predvstupové nástroje (Phare, ISPA a Sapard).
Mapa č. 4|1-1|: Regióny oprávnené pre čerpanie eurofondov v programovacom období 2007-2013
Zdroj: DG Regio, Európska komisia
V septembri 2007 bola predstavená Štvrtá správa o hospodárskej a sociálnej súdržnosti, ktorá spolu s kohéznym fórom odštartovala začiatok diskusie o budúcnosti regionálnej/kohéznej politiky EÚ po roku 2013.
Príprava na piate programovacie obdobie (2014-2020)
Ako sa blížil referenčný rok 2010, bolo i najväčším eurooptimistom jasné, že lisabonský sťaby socialistický záväzok nebude splnený, pričom ako je v prostredí EÚ zvykom, na neúspechy sa neupozorňuje a radšej sa o nich pomlčí. Svetlou výnimkou a „naliatím si čistého vína“ bol článok švédskeho predsedu vlády Fredrika Reinfeldta a švédskeho ministra financií Andersa Borga, v ktorom v júni 2009 skonštatovali: „Aj keď sa urobil pokrok, musíme povedať, že Lisabonská agenda, už s iba jedným rokom, ktorý ostáva do jej vyhodnotenia, bola zlyhaním“. Odpoveďou EÚ na nesplnené ciele jednej stratégie bolo ich prekrytie novými cieľmi a novou stratégiou Európa 2020[1], o ktorej predseda EK José Manuel Barroso vyhlásil, že „má počas nasledujúceho desaťročia zabezpečiť hospodársky rast. Vo svete plnom zmien chceme, aby sa v EÚ vybudovalo inteligentné, udržateľné a inkluzívne hospodárstvo. Tieto tri vzájomne sa dopĺňajúce priority by mali pomôcť EÚ a jej členským štátom dosiahnuť vyššiu mieru zamestnanosti, produktivity a sociálnej súdržnosti.“ Niet priliehavejšej reakcie na plynulý prechod od lisabonského neúspechu k Európe 2020, než sú nasledovné slová Ivana Kuhna, analytika Konzervatívneho inštitútu M. R. Štefánika, ktorý sa na margo európskych stratégii vyjadril, že "až by sa zdalo, že EÚ bude musieť oprášiť starý vtip o tom, že USA a Japonsko v technológii a ekonomike nedobehneme, ani keby nám bežali v ústrety, ale eurobyrokrati prišli s oveľa kreatívnejším riešením. A tak sa občania EÚ môžu tešiť z novej stratégie, ktorá tentoraz bez zahanbenia Lisabonu či inej európskej metropoly nesie názov Európa 2020, a počas najbližšej dekády bude na nás vyskakovať odvšadiaľ, možno aj z chladničky. My, eurorealisti, síce môžeme mať pocit, že novú stratégiu dvadsať-dvadsať vymysleli súdruhovia v Bruseli len preto, aby sa čím skôr zabudlo na ten malér s Lisabonskou stratégiou, ale eurooptimisti môžu ďalších desať rokov pokojne spávať a snívať o tom, že v roku 2020 bude 75 percent Európanov vo veku 20-64 rokov mať zamestnanie, 40 percent Európanov vo veku 30-34 rokov bude mať vysokoškolské vzdelanie a 3 percentá HDP Európskej únie bude investovaných do výskumu a vývoja. Podobne ako Nikita Chruščov sníval o tom, že Sovietsky zväz rýchlo dobehne a predbehne USA v poľnohospodárskej aj priemyselnej produkcii. A tak v duchu starého monarchistického hesla ‚Zomrel kráľ, nech žije kráľ!‛ môžeme radostne a eurooptimisticky zvolať ‚Lisabonská agenda je mŕtva, nech žije stratégia Európa 2020! ‛“.
V októbri 2011 predstavila Európska komisia návrhy na zmeny v oblasti regionálnej/kohéznej politiky EÚ pre piate programovacie obdobie 2014-2020. Zo vyjadrení komisára pre regionálnu politiku Johannesa Hahna jednoznačne vyplýva, že regionálna/kohézna politika EÚ sa má stať „kľúčovým
prvkom na dosiahnutie cieľov“ predstavených v spomínanej stratégii Európa 2020, ba dokonca sa má stať „hlavnou investičnou stratégiou Európskej únie, na centrálny nástroj, ktorý umožní dosiahnuť ciele stratégie Európa 2020.“ Dohoda na viacročnom finančnom rámci a prijatie balíka nových nariadení pre realizáciu regionálnej/kohéznej politiky EÚ v období 2014-2020 sa očakáva počas roka 2013. Na obdobie rokov 2014-2020 EK navrhla zjednodušený rámec s dvoma cieľmi, konkrétne:
· „Investície v oblasti rastu a pracovných miest“ v členských štátoch a regiónoch (tri kategórie)
· „Európska územná spolupráca“
Návrh je, ako inak, v súlade so stratégiou Európa 2020, v rámci ktorej „všetky regióny prispievajú k celkovému cieľu investovať v oblasti pracovných miest a rastu, ale prostriedky a rozsah zásahu sa líšia podľa úrovne hospodárskeho rozvoja.“ Dotácie poskytnuté v rámci hlavného cieľa by mali smerovať do menej rozvinutých regiónov (mapa č. 5) a podľa návrhu by malo predstavovať celkovo 201,5 mld. eur zo štrukturálnych fondov a 68,7 mld. eur z Kohézneho fondu, čo by predstavovalo 80, % z celkových zdrojov pre regionálnu/kohéznu politiku EÚ pre dané obdobie.
Mapa č. 5|1-1|: Regióny oprávnené pre čerpanie eurofondov v programovacom období 2014-2020 (simulovaný návrh)
Zdroj: DG Regio, Európska komisia
Zhrnutie
Hoci regionálna/kohézna politika EÚ je v zmluvnom rámci európskej integrácie prítomná už od jej počiatkov, do podoby experimentu, ktorý sa uskutočňuje vo väčšine regiónov jej členských krajín programovo, sa však rozvinula až od roku 1989. Obavy európskych politikov z toho, že užšia ekonomická integrácia a vznik vnútorného trhu sprevádzaný odbúravaním bariér medzi členskými krajinami spôsobí rýchlejší rast jadrových regiónov EÚ „na úkor periférnych,“ viedli v druhej polovici 80. rokov k zavedeniu princípu „ekonomickej a sociálnej súdržnosti“ do únijnej legislatívy. Podľa tohto princípu je úlohou administratívy EÚ a členských krajín uskutočňovať takú politiku, ktorá vedie k zmierňovaniu rozdielov medzi regiónmi.
Dosiahnutie hlavného deklarovaného cieľa regionálnej/kohéznej politiky EÚ – teda zníženia regionálnych disparít – zmluvne definovaného od roku 1987 v Jednotnom európskom akte (Čl. 130a), sa v členských krajinách uskutočňuje plánovane formou programových dokumentov na vopred stanovené programové obdobie v dĺžke sedem rokov – teda v rámci časového obdobia pre viacročný finančný rámec EÚ (v počiatkoch to bola päťročnica podobne ako sa plánovalo v krajinách socialistického bloku). Regionálna/kohézna politika EÚ v rámci svojich čiastkových cieľov prerozdeľuje väčšiu časť prostriedkov do najmenej rozvinutých regiónov a zvyšnú časť venuje na reštrukturalizáciu väčšiny ostatných, teda rozvinutejších regiónov, ako i na horizontálne (najmä sociálne) ciele, ktoré pokrývajú často celé členské štáty.
Seriózne analýzy už roky poukazujú na neefektívnosť vynakladania prostriedkov cez štrukturálne fondy, no Európska komisia sa tvári, že nič nepočuje a nevidí. Keď na potrebu reformy regionálnej politiky upozornila dokonca i štúdia, ktorú si objednal šéf komisie Romano Prodi, nevzbudila v prostredí komisie veľké nadšenie. V júli 2003 nezávislí experti pod vedením belgického profesora ekonómie Andrého Sapira predstavili výslednú správu štúdie, ktorá mala pomôcť navrhnúť stratégiu, ako dosiahnuť veľký cieľ z Lisabonu – urobiť do roku 2010 z únie „najkonkurencieschopnejšiu a na znalostiach najviac založenú ekonomikou sveta”. Okrem zásadnej reformy regionálnej politiky EÚ, ktorá by mala smerovať výlučne do pristupujúcich krajín, navrhli tiež zrušenie Spoločnej poľnohospodárskej politiky (CAP) a pružnejšie rozpočtové pravidlá pre členské štáty. Prodi sa od štúdie dištancoval a komisár pre regionálnu politiku Michel Barnier odporúčania pre svoj rezort označil za „smiešne, nezmyselné a nereálne“ (Sapir 2003).
Európska komisia za pomoci modelov odhaduje, koľko pracovných miest vďaka prerozdeľovaniu eurofondov v regiónoch členských krajín v jednotlivých obdobiach vzniklo. Problém týchto počtov (tab. č. 1) nie je však len v tom, že ide o odhady vypočítané podľa vybraných modelov. Kľúčový problém je v tom, že sa nepracuje so scenárom, ktorý by hovoril o tom, koľko pracovných miest by bolo bývalo vzniklo, ak by sa nerealizovala regionálna/kohézna politika EÚ – a nielen tá, ale i ďalšie redistribučné stratégie ako je Spoločná poľnohospodárska politika, ktoré mrhajú našimi daňami – a zároveň by z úrovne EÚ nebolo na prostredie vnútorného trhu uvalené také regulačné bremeno desiatok tisíc strán nariadení a smerníc, ako je to v súčasnosti. Dá sa totiž predpokladať, že pri nižšom daňovo-odvodovom zaťažení, nižšom regulačnom bremene a menšej miere prerozdeľovania v EÚ a členských krajinách by bola konkurencieschopnosť firiem podnikajúcich v tomto priestore v porovnaní s ich konkurenciou v globálnej otvorenej ekonomike vyššia a celková miera nezamestnanosti nižšia, než v súčasnosti. Taký výsledok by sme považovali rozhodne za viac želateľný, než je márny, hlúpy a nákladný boj s medziregionálnymi rozdielmi, ktorý sám o sebe nezaručuje viac pracovných miest a snaží sa umelo len o ich rovnomernejšie rozmiestnenie.
Frédéric Bastiat, predstaviteľ klasického liberalizmu, už v 19. storočí vysvetlil, prečo sú vládne stimuly do hospodárstva a redistribučné stratégie – ako je i regionálna/kohézna politika EÚ – úplným bludom. Na prvý pohľad sa nám môže zdať, že vláda dokáže stimulovať ekonomiku svojimi výdavkami, lebo ich účinky sú viditeľné. Nevidíme však, že vláda musela najprv niekomu peniaze odobrať, aby ich následne mohla použiť ako svoje výdavky. Odobrala ich občanom – daňovníkom, o túto sumu však zmenšila výdavky súkromných osôb. To, čo je vidieť v prípade regionálnej/kohéznej politiky EÚ, je teda realizácia stavieb, podpora poskytovania vybraných verejných služieb a počet vytvorených pracovných miest za miliardy eur z európskej, štátnej či regionálnej pomoci na každé takto vytvorené pracovné miesto. Čo nie je vidieť, je to, čo by s peniazmi urobili ľudia, ak by ich o ne vláda neoberala. Daňovníci samotní by rozhodli o ich smerovaní, pričom by taktiež vznikli pracovné miesta, a to nielen v prostredí veľkých investičných hráčov, ale i na úrovni živností a malých podnikateľov, pričom takto vytvorené pracovné miesta by boli dokonca i dlhodobejšie udržateľné (Bastiat 1850, 1998).
Tab. č. 1|1-1|: Regionálna/kohézna politika EÚ v programovacích obdobiach od roku 1989
programovacie obdobie |
1989-1993 |
1994-1999 |
2000-2006 |
2007-2013 |
2014-2020 |
|
ciele |
• Cieľ 1: podpora rozvoja a štrukturálneho prispôsobenia regiónov, ktorých rozvoj zaostáva, |
• Cieľ 1: podpora rozvoja a štrukturálneho prispôsobenia regiónov, ktorých rozvoj zaostáva, |
• Cieľ 1: podpora rozvoja a štrukturálneho prispôsobenia regiónov, ktorých rozvoj zaostáva, |
• „Konvergencia“: usiluje sa o zrýchlenie konvergencie najmenej rozvinutých členských štátov a regiónov, ktoré sú definované podľa HDP na hlavu menšom ako 75 % priemeru EÚ, |
• „Investície v oblasti rastu a pracovných miest“ v členských krajinách a regiónoch (tri kategórie regiónov) |
|
smerovanie zdrojov do oprávnených regiónov |
• cieľ 1 pokrýval 25 % populácie EÚ (86,2 mil. obyv.), |
• cieľ 1 pokrýval 24,6 % populácie EÚ (97,7 mil. obyv.), |
• cieľ 1 pokrýval 37 % populácie EÚ (169,4 mil. obyv.), |
• cieľ „Konvergencia“ sa týka 84 regiónov v 17 členských krajinách (170 mil. obyv.) a ďalších 16 tzv. phasing out regiónov (16,4 mil. obyv.), |
• „menej rozvinuté regióny“: tie, ktorých HDP na obyvateľa je menej ako 75 % priemeru EÚ, budú naďalej najvyššou prioritou (maximálna miera spolufinancovania na úrovni 75-85 %), |
|
objem vyčlenených zdrojov |
• v rámci cieľa 1: 43,8 mld. ECU (64 % z celkových zdrojov)
• celkovo: 69 mld. ECU pre EÚ-12 (25 % rozpočtu EÚ | 0,3 % celkového HDP EÚ) |
• v rámci cieľa 1: 94 mld. ECU a zo štrukturálnych fondov a ďalších 14,45 mld. ECU Kohézneho fondu (68 % z celkových zdrojov),
• celkovo: 168 mld. ECU pre EÚ-15 (33 % rozpočtu EÚ | 0,4 % celkového HDP EÚ) |
• v rámci cieľa 1: 149,2 mld. eur zo štrukturálnych fondov a ďalších 25,4 mld. eur Kohézneho fondu (71,6 % z celkových zdrojov),
• celkovo: 213 mld. eur pre EÚ-15 a ďalších 21,7 mld. eur pre desať nových členských krajín (33 % rozpočtu EÚ | 0,4 % HDP EÚ) |
• v rámci cieľa „Konvergencia“: 282,8 mld. eur (81,5 % z celkových zdrojov) - z toho je 199,3 mld. eur pre konvergenčné regióny, 13,9 mld. eur pre tzv. phasing out regióny a 69,6 mld. eur pre Kohézny fond (oprávnených je 15 členských štátov) |
• na „podporu menej rozvinutých regiónov“: viac ako 160 mld. eur (najmä z ERDF a Koh0yneho fondu), • celkovo: 336 mld. eur pre EÚ-27 (33 % rozpočtu EÚ) + 40 mld. eur pre CEF (4 % rozpočtu EÚ) |
|
hlavní prijímatelia |
• Španielsko (14,2 mld. ECU), |
• Španielsko (42,4 mld. ECU), |
• Španielsko (56,3 mld. eur), |
• Poľsko (67,3 mld. eur), |
? |
|
odhadované vplyvy na zamestnanosť podľa modelov Európskej komisie |
• podľa EK bolo prostredníctvom eurofondov v Grécku, Írsku a Portugalsku vytvorených 600 000 pracovných miest |
• EK odhaduje, že v regiónoch cieľa 1 bolo vytvorených 700 000 čistých pracovných miest, ktoré vraj prispeli takmer 4 % k zamestnanosti v Portugalsku, 2,5 % v Grécku a 1 až 2 % v nových nemeckých spolkových krajinách, južnom Taliansku a Španielsku, |
• EK odhaduje, že výdavky vynaložené z eurofondov v rámci cieľa 1 vytvorili asi 570 000 čistých pracovných miest, z ktorých približne 160 000 bolo v nových členských štátoch, |
• do roku 2015 by mohli podľa EK eurofondy vytvoriť až 2 mil. dodatočných pracovných miest |
? |
Zdroj: DG Regio, Európska komisia a tiež DG Regio, Európska komisia
| 1-2 | NUTS klasifikácia: regionálne sústavy v členských krajinách EÚ
Od začiatku 70. rokov 20. storočia sa v členských krajinách Európskej únie používa systém klasifikácie územno-štatistických jednotiek známy pod akronymom NUTS (z fr. Nomenclature des Unités Territoriales Statistiques), vypracovaný Eurostatom, ktorý vznikol s cieľom rozčleniť územie krajín EÚ na územné jednotky nižšieho hierarchického rangu než predstavujú národné štáty, a to pre potreby teritoriálneho rámca regionálnej štatistiky.
Približne tri desaťročia sa NUTS klasifikácia používala, menila a obnovovala v prostredí európskeho spoločenstva len na základe gentlemen's agreements medzi členskými krajinami a Eurostatom – teda bez toho, aby bolo nevyhnutné prijímať nariadenie. Napriek tomu, v roku 2000 začala Európska komisia pripravovať nariadenie, ktoré bolo prijaté v máji 2003 a vstúpilo do platnosti v júli 2003.[2] Dôvody, ktoré sa spomínali v súvislosti s potrebou prejsť od dohôd k nariadeniu, spočívali v potrebe stabilizovať NUTS klasifikáciu tak, aby sa zmeny regionálnych sústav jednotlivých členských krajín nediali častejšie než raz za tri roky. Pre možnosť štatisticky porovnávať regióny je totiž kľúčové mať k dispozícii pokiaľ možno čo najdlhší časový rad dát v prostredí totožnej regionálnej sústavy. Treba však podotknúť, že tento deklarovaný cieľ pre potrebu mať nariadenie týkajúce sa NUTS sa absolútne minul účinku, keďže častým zmenám v regionálnej sústave sa tým v skutočnosti nijako nezabránilo. Hlavným dôsledkom prijatého nariadenia je, že každé tri roky ho je nutné dopĺňať („novelizovať“), čo sa i deje (obr. č. 1).[3]
Obr. č. 1|1-2|: História nariadenia o NUTS klasifikácii
Zdroj: Eurostat
NUTS klasifikácia je založená na päťstupňovom hierarchickom triedení regiónov, pričom tri úrovne sa vzťahujú na regionálnu úroveň – NUTS I až NUTS III (tab. č. 1) – a dve na lokálnu úroveň – NUTS IV (LAU 1) a NUTS V (LAU 2).[4]
Tab. č. 1|1-2|: Kritériá pre zaradenie regiónu do NUTS klasifikácie a existujúce administratívne jednotky
úroveň |
rozmedzie počtu obyvateľov (min - max) |
existujúce administratívne jednotky |
NUTS I |
3 mil. - 7 mil. |
pre Belgicko ‚Gewesten/Régions‘, pre Nemecko ‚Länder‘, pre Portugalsko ‚Continente‘, ‚Região dos Açores‘ a ‚Região da Madeira‘ a pre Spojené kráľovstvo ‚Scotland, Wales, Northern Ireland‘ a ‚Government Office Regions of England‘ |
NUTS II |
0,8 mil. - 3 mil. |
pre Belgicko ‚Provincies/Provinces‘, pre Dánsko ‚Regioner‘, pre Nemecko ‚Regierungsbezirke‘, pre Grécko ‚periferies‘, pre Španielsko ‚comunidades y ciudades autónomas‘, pre Francúzsko ‚régions‘, pre Taliansko ‚regioni‘, pre Holandsko ‚provincies‘, pre Rakúsko ‚Länder‘ a pre Poľsko ‚Wojewodztwa‘ |
NUTS III |
0,15 mil. - 0,8 mil. |
pre Belgicko ‚arrondissementen/arrondissements‘, pre Bulharsko ‚Области (Oblasti)‘, pre Českú republiku ‚Kraje‘, pre Nemecko ‚Kreise/kreisfreie Städte‘, pre Grécko ‚nomoi‘, pre Španielsko ‚provincias, consejos insulares, cabildos‘, pre Francúzsko ‚départements‘, pre Taliansko ‚provincie‘, pre Litvu ‚Apskritis‘, pre Maďarsko ‚Megyék‘, pre Rumunsko ‚Județe‘, pre Slovenskú republiku ‚kraje‘, pre Fínsko ‚maakunnat/landskap‘ a pre Švédsko ‚län‘ |
Zdroj: Eurostat
Pri vymedzovaní územných jednotiek v rámci systému NUTS sa uprednostňuje „umelé“ inštitucionálne členenie, ktoré slúži i pre potreby prerozdeľovania štrukturálnych fondov, ktoré sú základným finančným nástrojom regionálnej politiky v EÚ[5]. Celky sa na úrovni NUTS II spájajú do tzv. normatívnych regiónov, vymedzených najmä podľa počtu obyvateľov[6], až druhoradé je zohľadnenie historických, socioekonomických, politických a iných faktorov. Až na nižšej úrovni sa potom územné jednotky vymedzujú na základe funkčných (prirodzených) regiónov, často v podobe samosprávnych celkov.
Z hľadiska hodnotenia teritoriálnej organizácie administratívnych systémov dominujú dva prístupy, prvý z nich zdôrazňuje mierku, resp. veľkosť celkov, druhý zas priestorovú formu a usporiadanie. Prívrženci veľkostného prístupu, kam radíme i výslednú NUTS klasifikáciu (najmä jej stupeň NUTS II), sa snažia stanoviť optimálnu veľkosť územno-správnych celkov určitého rádu, zväčša vyjadrenú na základe kritéria počtu obyvateľov. Požiadavka približne rovnakej veľkosti (najmä v zmysle počtu obyvateľov) územno-správnych celkov toho istého rádu vyplýva z princípu priestorovej spravodlivosti (rovnosti), ktorého podstatou je aplikácia ideí sociálnej spravodlivosti na teritoriálne jednotky (Bezák 1997, Goodall 1987).
Popieranie kritérií NUTS klasifikácie
Napriek tomu, že pri vytvorení systému bolo základným cieľom zabezpečenie porovnateľnosti na jednotlivých úrovniach NUTS, existujú i mnohé výnimky. Na jednej a tej istej úrovni NUTS II sa v EÚ nachádza 266 regiónov (mapa č. 1), medzi nimi malé ostrovčeky (Azory), veľkomestá svetového významu (Londýn), rozľahlé riedko zaľudnené vidiecke oblasti (Kalábria) či celé krajiny (Litva). Hoc ide o model, ktorý sa aplikuje v EÚ už štyri desaťročia, vo viacerých krajinách (napr. Belgicko, Dánsko, Fínsko, Grécko, Holandsko, Írsko, Nemecko, Švédsko, Taliansko či Veľká Británia) už prešiel mnohými zmenami, či už v súvislosti s celospoločenskými zmenami (zjednotenie Nemecka), so zmenami územno-správneho členenia krajín (Belgicko), s decentralizačnými procesmi (Veľká Británia) či prebiehajúcou municipalizáciou (Holandsko, Švédsko) (Casellas – Galley 1999).
Dokonalou absurditou a popieraním kritérií stanovených v nariadení o NUTS klasifikácii je maličký ostrovný štátik Malta (0,4 mil. obyv. | 316 km2). Na úrovni NUTS III sa totiž súostrovie Malta člení na dva regióny – ostrov Malta a ostrovy Gozo and Comino – tieto tri ostrovy sú jediné obývané. Sledovanie medziregionálnych rozdielov na Malte nemá však zmysel, rovnako ako je nezmyselné a umelé rozdeľovanie ostrovného miništátika na dva regióny úrovne NUTS III[7].
Ďalším príkladom popierania kritérií je autonómna oblasť súostrovia Åland vo Fínsku. Pri porovnávaní medziregionálnych rozdielov vo Fínsku sme sa rozhodli nebrať do úvahy dáta za súostrovie Åland, ktoré je nevhodne zaradené ako región úrovne NUTS I (a zároveň región úrovne NUTS II a III). Porovnávať na jednej úrovni (NUTS I) región Manner-Suomi, ktorý tvorí celé územie kontinentálneho Fínska, a súostrovie Åland, považujeme za absurdné, keďže ide o špecifické autonómne územie, ktoré sa na celkovej rozlohe a populácii Fínska podieľa len nepatrným zlomkom (0,5%).
Mapa č. 1|1-2|: Regióny NUTS II v členských krajinách EÚ na príklade zmeny miery nezamestnanosti (obdobie 2007-2011)
Zdroj: DG Regio, Európska komisia
Kritika NUTS klasifikácie
V súvislosti s kritickým zhodnotením vo vzťahu k územnému usporiadaniu regiónov podľa klasifikácie NUTS treba spomenúť nasledovné argumenty:
1. NUTS klasifikácia nezohľadňuje dostatočne klasické delenie regiónov na homogénne a nodálne, územné jednotky v jej rámci vymedzené nesú prvky kombinácie rôznych regionalizačných kritérií a porušovania logických pravidiel regionalizácie. Výsledkom je administratívne (inštitucionálne) členenie krajín EÚ na sústavu regiónov, ktorá nie je vhodná pre vzájomné porovnávanie – spomeňme len výrazne heterogénne charakteristiky početnosti populácie, hustoty zaľudnenia či rozlohy území. Logicky, výsledné regionálne disparity sú tak často výrazné, avšak štatisticky nadhodnotené (Casellas – Galley 1999),
2. najmä regióny na úrovni NUTS II (resp. NUTS III) sú príliš heterogénne a neporovnateľné, a to nielen z hľadiska porovnávania úrovne konvergencie, ale i regionálnych disparít ako takých všeobecne. Očakávať v takomto heterogénnom prostredí niečo iné ako výrazné priestorové rozdiely by bolo nielen v protiklade s ekonomickou teóriou, ale i s elementárnou logikou (Boldrin – Canova 2001),[8]
3. pre potreby štatistických pozorovaní sa v EÚ často vymedzujú regióny nevhodne tak, že sa rozdeľujú tzv. funkčné mestské regióny tvorené mestom a jeho zázemím, čo pri sledovaní regionálnych rozdielov v rámci jednotlivých krajín posilňuje „efekt hlavného mesta“[9]. To je často najväčším sústredením kapitálu a sídlia v ňom firmy, ktoré síce pôsobia celoštátne, ale štatisticky vykazujú výsledky hospodárenia centrálne v hlavnom meste. Úroveň rozvoja regiónu hlavného mesta (metropolitné územie) je ovplyvnená i pracovnou silou dochádzajúcou z iných častí krajiny[10]. Umelo (štatisticky) sa tak dvíha úroveň produkcie v regióne sídla zamestnávateľa, čo je i prípad nadhodnotenia sledovaného ukazovateľa pre hlavné mesto SR Bratislavu. Logickým štatistickým prejavom v takých prípadoch sú pozorované výrazné regionálne disparity (ISP 2004).[11]
Základná typológia zmien v NUTS klasifikácii[12]
Je možné identifikovať niekoľko základných typov zmien, ku ktorým pri modifikácii regionálnych sústav v členských krajinách EÚ dochádza, pričom niektoré z týchto zmien spôsobujú stratu možnosti súvisle sledovať regionálne rozdiely a ich zmien v čase z dôvodu, že nedochádza k spätnej rekonštrukcii dát podľa novej regionálnej sústavy:
- zmena názvu: ak dochádza len k samotnému premenovaniu regiónu, táto zmena nepredstavuje problém pre sledovanie regionálnych rozdielov a ich zmien v čase,
- zmena kódu: registrujeme viacero vĺn zmien kódovania, ktoré sa dotkli naraz všetkých regionálnych sústav (napr. v roku 1995) NUTS klasifikácie, pričom tento typ zmeny nepredstavuje problém pre sledovanie regionálnych rozdielov a ich zmien v čase; okrem všeobecnej zmeny kódovania však dochádza k zmenám kódov v súvislosti s inými zmenami, ako sú územné zmeny a politické rozhodnutia o zmene územno-správneho členenia, pričom tento typ zmien zväčša spôsobuje problém pre sledovanie regionálnych rozdielov a ich zmien v čase,
- územné (geometrické) zmeny: tento typ zmien je najkomplikovanejší, keďže výsledkom je zmena plochy (susedných) regiónov, teda zmena hraníc – buď dochádza k zmenšeniu alebo zväčšeniu regiónu, a to rozdelením regiónu alebo zlúčením regiónov, v jednoduchších prípadoch sa to týka celých regiónov, v zložitejších prípadoch sa zmeny dejú delením či spájaním častí regiónov, čím vznikajú nové entity, ktoré nie sú len jednoduchým sumárom tých predošlých; táto zmena predstavuje problém pre sledovanie regionálnych rozdielov a ich zmien v čase,
- zmeny na vyššej hierarchickej úrovni: na úrovni n dochádza k teritoriálnej zmene tak, že regióny n-1, z ktorých je úroveň n tvorená, boli nanovo preskupené do nových množín úrovne n+1, táto zmena by nemusela predstavovať problém pre sledovanie regionálnych rozdielov a ich zmien v čase, ak by Eurostat vykonal spätnú rekonštrukciu dát podľa dostupných dát regiónu nižšieho rangu.
Obr. č. 2|1-2|: Príklady základných typov zmien v NUTS klasifikácii
Zdroj: ESPON
Zhrnutie
NUTS klasifikáciu, najmä pokiaľ ide o úroveň NUTS II, ktorú používa Eurostat a ostatné orgány a inštitúcie EÚ ako bázu pre porovnávanie, hodnotíme z hľadiska jej potenciálu pre vzájomnú komparáciu regiónov a ich charakteristík za nevhodnú sústavu (Sloboda 2006). Napriek tomu, že pri vytvorení systému NUTS klasifikácie bolo základným cieľom zabezpečenie porovnateľnosti na jednotlivých úrovniach NUTS, existujú i mnohé výnimky. Regióny na úrovni NUTS II (resp. NUTS III) sú príliš heterogénne a neporovnateľné, a to nielen z hľadiska porovnávania úrovne konvergencie, ale i regionálnych rozdielov ako takých všeobecne. Očakávať v takomto heterogénnom prostredí niečo iné ako výrazné rozdiely by bolo nielen v protiklade s ekonomickou teóriou, ale i s elementárnou logikou (Boldrin – Canova 2001). Niektorí autori dokonca uvádzajú, že konvergencia by sa mala skúmať na úrovni krajín resp. regiónov s populáciou približne 10 miliónov, pričom podľa nich na nižšej úrovni nemá zmysel porovnávať regióny, ktoré navyše v nejednom prípade nedisponujú ani možnosťami uskutočňovania vlastnej fiškálnej politiky (Boldrin – Canova 2003).
Možnosť mať k dispozícii pokiaľ možno čo najdlhší časový rad dát v prostredí totožnej regionálnej sústavy je kľúčový predpoklad z hľadiska štatistického porovnávania regionálnych rozdielov. A hoci príslušné nariadenia o NUTS klasifikácii tento cieľ deklarujú, v realite sa absolútne minul s účinnosťou, keďže častým zmenám v regionálnych sústavách jednotlivých členských krajín EÚ sa nijako nezabránilo. Tento problém chýbajúcich dát by nemusel byť neprekonateľný, ak by Eurostat v spolupráci so štatistickými úradmi členských krajín (resp. inými národnými autoritami zodpovednými za zber a správu štatistických dát) rekonštruoval dáta za novovzniknuté členenie spätne.
| 1-3 | Zaužívané indikátory pre porovnávanie regionálnych rozdielov
S otázkami vyčlenenia regiónov, ktorej sme sa venovali v predošlej subkapitole, je úzko spätá i problematika disponibility adekvátnych štatistických indikátorov a dát potrebných pre sledovanie rozdielov medzi územnými jednotkami danej hierarchickej úrovne. Pokúsime sa preto popísať pozitíva a negatíva používaných ukazovateľov, ich výpovednosť, intenzitu a exaktnosť a poukážeme na problémy s ich sledovaním.
Za jednu z kľúčových otázok pri charakteristike regionálnych rozdielov možno jednoznačne pokladať výber ukazovateľov, pomocou ktorých sa hodnotí úroveň rozvoja regiónu a následne tiež rozdiely medzi jednotlivými územnými celkami danej hierarchickej úrovne. Medzi najčastejšie používané indikátory v EÚ možno považovať mieru nezamestnanosti resp. mieru zamestnanosti, výšku hrubého domáceho produktu (zväčša meraného na obyvateľa (per capita) v parite kúpnej sily (PPS)) alebo výšku priemerných (reálnych) miezd. Za vhodné, ale menej často používané ukazovatele, možno považovať i mieru ekonomickej aktivity podľa výšky výnosu daní (najmä daní z príjmov fyzických osôb) či daňové príjmy miestnych rozpočtov na obyvateľa (Sloboda 2006).
Napriek zvýšenému dopytu po regionálne orientovaných dostupnosť relevantných (a aktuálnych) štatistických údajov na úrovni NUTS III a nižšej ostáva naďalej problémom. Základnými územnými jednotkami pre sledovanie regionálnych rozdielov v súvislosti s realizáciou regionálnej/kohéznej politiky EÚ sa stala úroveň NUTS II. Ako sme už uviedli v predchádzajúcej subkapitole, túto úroveň nepovažujeme za vhodnú sústavu na sledovanie regionálnych rozdielov.
Typickými problémami pri výskume regionálnych rozdielov je získavanie relevantných dát a ich nedostupnosť na zodpovedajúcej geografickej úrovni, či ich oneskorené publikovanie. Oficiálne sledované ukazovatele nemajú vždy dostatočnú výpovednú hodnotu, spoľahlivosť a porovnateľnosť potrebnú pre charakteristiku regiónov. Možnosťami a metodologickými problémami výskumu medziregionálnych rozdielov sa venujeme v práci ďalej.
|1-3-1| Ukazovateľ úrovne hrubého domáceho produktu
Hrubý domáci produkt (HDP)[13] je dnes už zaužívaným a globálne najbežnejším ukazovateľom, pomocou ktorého sa hodnotí miera vyspelosti ekonomiky či životná úroveň obyvateľov na istom území, ale tiež intenzita rozvoja, teda ich zmeny v čase. Aplikácia rovnakej metodiky taktiež umožňuje priestorovú komparáciu, teda porovnávanie úrovne či intenzity rozvoja na vybranej úrovni priestorových celkov – regiónov.
Definície HDP podľa Štatistického úradu SR[14] a Eurostatu
Hrubý domáci produkt v trhových cenách je konečným výsledkom výrobnej činnosti rezidentských výrobných jednotiek vytvoreným za bežné účtovné obdobie.[15] Regionálny hrubý domáci produkt je vypočítaný ako súčet pridaných hodnôt za odvetvia v kraji a daní na produkty znížených o subvencie na produkty. Pre medzinárodné porovnania sa regionálny hrubý domáci produkt vyjadruje v parite kúpnej sily. Parita kúpnej sily (Purchasing Power Standard) sa vypočítava na základe cien a objemov predaja tovarov, ktoré sú vzájomne porovnateľné a reprezentatívne pre krajiny zahrnuté do porovnania. Parita kúpnej sily eliminuje efekty rozdielnej cenovej úrovne medzi krajinami. Hrubý domáci produkt nie je možné zamieňať s ukazovateľom príjmy domácností.[16]
Regionálny hrubý domáci produkt na obyvateľa je podielom dvoch ukazovateľov – regionálneho hrubého domáceho produktu (v ktorom sa uplatňuje kritérium zostavovania podľa miesta pracoviska) a priemerného počtu obyvateľstva trvalo bývajúceho v danom regióne (založeného na princípe rezidencie). Vo väčšine regiónov nespôsobuje väčšie problémy porovnávanie týchto dvoch ukazovateľov, založených na rozdielnych princípoch. V prípade regiónov s vysokou dochádzkou za prácou z okolitých regiónov, ktorými sú najmä regióny hlavných miest je tento ukazovateľ nadhodnotený.[17]
Regionálny hrubý domáci produkt sa udáva v menových jednotkách danej krajiny. Pre potreby porovnávania HDP medzi krajinami EÚ sa realizujú prepočty na euro používajúc oficiálny priemerný výmenný kurz pre daný kalendárny rok. Avšak, výmenný kurz neodráža všetky rozdiely v cenovej úrovni medzi jednotlivými krajinami. Preto dochádza k úprave HDP prostredníctvom konverzie menových kurzov (deflátora) známej ako parita kúpnej sily (Purchasing Power Parities (PPP)) na umelú spoločnú menu – koncept Purchasing Power Standards (PPS) umožňujúci porovnávať kúpnu silu v rámci odlišných národných menových systémov. Podobný koncept by bolo vhodné aplikovať i na porovnávania odlišných cenových úrovní na regionálnej úrovni, avšak dosiaľ z dôvodu finančnej náročnosti sa tak nedeje.[18]
Zhodnotenie vhodnosti ukazovateľa pre sledovanie regionálnych rozdielov
I keď sa metodológia výpočtu HDP neustále vyvíja a štandardizuje, nemožno tento indikátor považovať za postačujúci, vyčerpávajúci, spoľahlivý a neskresľujúci pre potreby porovnávania miery či intenzity rozvoja, a to z viacerých dôvodov:
1. HDP nie je deterministickou, ale do značnej miery stochastickou veličinou, s nie nepodstatnou váhou náhodného prvku, ktorý sa intenzívne prejavuje najmä v nestabilnom prostredí zmien, akými je i všeobecná transformácia, ktorou prechádzajú mnohé európske ekonomiky. Jednou z podmienok kvalifikovaného štatistického merania je i jeho opakovateľnosť za rovnakých podmienok,
2. pomocou HDP síce meriame výrobu (resp. príjmy či výdavky), tento ukazovateľ však zďaleka nezachytáva všetky jej zložky, a to nielen tzv. šedú či čiernu, ale taktiež neformálnu (domáce práce, samoživitelia),
3. výroba nie je úplným meradlom úžitku, keďže rozhodnutie o rozdelení času medzi prácu (venovanú výrobe) a jej intenzitu na jednej strane a mimopracovné aktivity na strane druhej je v rukách jednotlivcov, nie štátu či regiónu, ktorý je tou entitou, na úrovni ktorej sa HDP meria,
4. úroveň nominálneho HDP závisí na cenách, ktoré však môžu byť deformované, a to nedostatkom konkurencie či prebytkom byrokracie, čím dochádza i k skresleniu HDP,
5. závažným problémom pri určení a meraní HDP je prevod nominálneho HDP na reálny HDP pomocou tzv. deflátorov. Odhad deflátorov je vysoko subjektívny a podlieha výberovým zisťovaniam, v rámci ktorých sa zisťuje cena niekoľkých vybraných výrobkov – reprezentantov, ktoré tak zastupujú cenový vývoj celého sortimentu niekoľko stotisíc výrobkov. Zásadnou je teda voľba týchto „reprezentantov“ (alebo tiež spotrebného koša),[19]
6. úroveň HDP ako ukazovateľa produkcie subjektov, nachádzajúcich sa na jeho území, býva často skreslený vplyvom mobility pracovnej sily a súvisiacich aglomeračných faktorov. Nezriedka sme v jednotlivých štátoch svedkami „efektu hlavného mesta“[20], kedy býva HDP regiónu hlavného mesta nadhodnotený („na úkor“ iných regiónov) i vplyvom pracovnej sily, ktorá k jeho tvorbe prispieva, avšak za prácou dochádza z iného regiónu,
7. podľa metodiky ESA 95 ukazovateľ HDP vyjadruje trhovú hodnotu tovarov a služieb vyprodukovaných v štáte či regióne pred odpočítaním spotreby fixného kapitálu[21]. Odhad HDP per capita v PPS[22] sa však napríklad na Slovensku neprepočítava na úrovni nižšej než sú kraje (NUTS III), čo je i vzhľadom na aktuálne platné územné členenie nedostatočná a nevhodná úroveň pre regionálny výskum.
Negatíva ukazovateľa HDP ako prostriedku na meranie (nielen) regionálnych rozdielov
Podľa Vladimíra Benáčka z Univerzity Karlovej v Prahe ukazovateľ reálneho restu HDP „všeobecne stráca na svojom ekonomickom význame už len tým, ako sa výroba stále viac presúva do virtuálnych sfér služieb. Prostredníctvom intenzívnej transformácie ešte hlbšie zvyšuje náchylnosť tohto ukazovateľa k neurčitosti a k nárastu stochastickej (náhodnej) zložky jeho odhadu. Ekonomický význam HDP ako nestranného ukazovateľa výkonnosti ekonomiky sa tak oslabuje. O to väčší priestor sa poskytuje súdom ideologického charakteru.“ Vážnosť, ktorá sa ukazovateľu HDP v súčasnosti prikladá nielen u nás a nielen v prostredí EÚ či OECD, V. Benáček odôvodnil nasledovne: „Štatistika slúži nielen technológom ekonomickej politiky, ale taktiež ideológom, ktorí v bodových odhadoch HDP hľadajú konečné dôkazy správnosti alebo nesprávnosti celej globálnej politiky vlády. Je to typický problém chybného úsudku, kedy sa hodnotenie zložitého problému zúži len na jediný parameter, ktorý navyše môže byť skreslený“ (Benáček 2005).
Český ekonóm Pavel Kohout na margo ukazovateľa HDP upozorňuje na jeho klamlivosť nasledovne: „v této souvislosti stojí zmínku jedna historická kuriozita: proslulá Samuelsonova učebnice ekonomie ve vydání z roku 1973. Na základě číselných údajů o vývoji hrubého domácího produktu velký ekonom Samuelson předpovídal, že v roce 1990 Sovětský svaz dožene USA v hospodářské výkonnosti na hlavu. Ještě vydání z roku 1985 - kdy už dlouhodobá stagnace sovětské ekonomiky byla široce známým faktem - uvádělo růst hospodářství SSSR v letech 1928 až 1983 v průměrné hodnotě 4,9 procenta ročně,“ pričom P. Kohout pokračuje, že oná historika „pouze ilustruje, jak ošidnou veličinou je hrubý domácí produkt, když dokáže ošálit i tak slovutné autority, jako je Samuelson. Nejde totiž jen o rychlost hospodářského růstu, ale především o jeho kvalitu. Její posouzení není triviální.“[23]
Ekonomický analytik slovenského think-tanku INESS Ján Dinga o ukazovateli HDP uvádza, že „z agregátnych čísel človek tajomstvo bohatstva nevyčíta,“ a ďalej dodáva, že HDP „má v rôznych krajinách rôznu štruktúru, jeho výšku navyše ovplyvňujú štátne výdavky a opatrenia zvyšujúce spotrebu.“ Na Slovensku momentálne rastie priemyselná výroba najmä vďaka rastu výroby automobilov, ktorý však tvorí minimum nových pracovných miest.[24]
Podobne ako na Slovensku závisí rast HDP v krajine a jej regiónoch najmä od toho, ako sa darí niekoľkým zahraničným investorom exportujúcim na Slovensku vyrábané či montované produkty, popisoval situáciu Českej republike v roku 2006 i Pavel Kohout: „Hrubý domácí produkt je součtem všech přidaných hodnot vyprodukovaných v ekonomice. Jinak jej lze vyjádřit jako součet soukromé spotřeby, vládní spotřeby, investic do výrobního vybavení a rozdílu mezi exportem a importem. Právě vzestup exportu vedl k relativně vysokému šestiprocentnímu růstu české ekonomiky v roce 2005. A zde se dostáváme k prvnímu čertovu kopýtku. Měli bychom se ptát, jaký prospěch z exportu ekonomika vlastně má. Sama kladná obchodní bilance totiž neříká nic. Naivní představu, že „vývoz je dobrý, dovoz je špatný“, teoreticky vyvrátili již v 18. a 19. století ekonomové Adam Smith a David Ricardo. Odpověď na otázku o kvalitě českého hospodářského růstu leží v tom, kdo inkasuje zisky z rychle rostoucího exportního sektoru. Podle Českého statistického úřadu firmy v zahraničním vlastnictví vytvořily 39 tisíc pracovních míst v roce 2004, zatímco domácí firmy 45 tisíc pracovních míst zrušily. „Český“ export tedy zřejmě stále více sestává z produkce zahraničních firem. Prospěch z něho mají především jejich akcionáři. Ne, občané České republiky mezi ně většinou nepatří.“
Pavel Kohout poukazuje v súvislosti s HDP i na vzťah k tohto indikátora k rastu reálnych miezd, ktorý vôbec nemusí nutne nasledovať rast HDP, čo dokumentuje i na českom príklade nasledovne: „Růst mezd v reálné hodnotě 3,5 procenta byl v roce 2005 nejpomalejší za dobu trvání samostatné České republiky. Co horšího: tento růst byl tažen hlavně mzdami ve státním sektoru. Mzdy pracovníků soukromých firem rostly průměrně jen o 3,3 procenta. Příjmy domácností zaostávají za hrubým domácím produktem. Ekonomice se daří skvěle, ale lidé jsou chudí.“
Kohout si tiež všíma i súvislosť medzi rastom HDP a zmenami v miere (ne)zamestnanosti, a pripomína, že „ve zdravé ekonomice by mělo platit Okunovo pravidlo: empirický vztah, který udává pokles nezaměstnanosti v závislosti na hospodářském růstu. Kdyby se česká ekonomika od roku 1998 vyvíjela podle tohoto pravidla, byla by dnes nezaměstnanost nanejvýše mezi 4-5 procenty. Skutečnost: 9,1 procenta podle údajů z února 2006. Nesoulad mezi růstem a mírou nezaměstnanosti sděluje, že v ekonomice je něco v nepořádku. Hospodářství, které navzdory šestiprocentnímu růstu netvoří pracovní místa, je očividně nemocné. Připomíná atleta, který se pyšní vyvinutým svalstvem, ale játra má poničená anabolickými steroidy. Analogie s extenzivním růstem bývalé sovětské ekonomiky se přímo vnucuje.“
|1-3-2| Ukazovatele trhu práce
Medzi základné ukazovatele trhu práce patria: miera ekonomickej aktivity, miera zamestnanosti a miera nezamestnanosti. Napriek tomu, že vhodnejším ukazovateľom sa javí byť ukazovateľ zamestnanosti, ktorý podstatne jasnejšie hovorí o tom, či ekonomický a sociálny vývoj v rámci štátu či regiónu napreduje, v popredí záujmu nielen laickej verejnosti je zväčša ukazovateľ nezamestnanosti.
Ukazovateľ miery nezamestnanosti sa napríklad na Slovensku sleduje dvomi rôznymi metodikami. Údaje, z ktorých vychádza Štatistický úrad SR (ŠÚ SR), sú na báze výberového zisťovania pracovných síl (VZPS)[25], ktoré sa realizuje v rámci tzv. EU Labour Force Survey (EU LFS) podľa jednotnej metodiky Eurostatu vo všetkých členských krajinách EÚ.[26]
Údaje, z ktorých pri sledovaní ukazovateľov trhu práce vychádza Ústredie práce, sociálnych vecí a rodiny (ÚPSVR), sú založené na evidencii disponibilných nezamestnaných. Miera evidovanej nezamestnanosti podľa ÚPSVR sa počíta z disponibilného počtu evidovaných nezamestnaných, je teda očistená od zložky dobrovoľne nezamestnaných alebo odradených od evidencie na úradoch práce. I preto je zákonite zväčša nižšia, než v prípade VZPS/EU LFS. Opačný prípad nastáva, ak signifikantná časť osôb prizná v rámci štatistických zisťovaní „prácu” pre šedú ekonomiku. Ako si objasníme ďalej, štatisticky zisťovaná a evidovaná nezamestnanosť sú postavené na odlišných konceptoch definície a merania nezamestnanosti.
Ukazovatele podľa metodiky EU LFS[27]
Prvým zo štandardných prístupov vykazovania nezamestnanosti je štatistický odhad na základe reprezentatívneho prieskumu domácností – tzv. EU Labour Force Survey (EU LFS), ktorý je v gescii národných štatistických autorít. V takomto prieskume (na Slovensku známom ako VZPS), sa respondenti kategorizujú medzi nezamestnaných na základe otázok v dotazníku. Údaje získané na limitovanej vzorke respondentov sa prepočítajú na celú populáciu krajiny, pričom tento odhad sa pohybuje v určitom intervale spoľahlivosti. Najvyššia presnosť odhadu je na národnej úrovni, čím nižšia územná úroveň, tým je odhad nepresnejší. Na strane druhej, výhodou je, že ide o metodiku, ktorá sa do značnej miery harmonizovala v krajinách EÚ a OECD, a umožňuje preto i relatívne spoľahlivé medzinárodné porovnania[28] (ISP 2005).
Miera ekonomickej aktivity predstavuje podiel počtu ekonomicky aktívnej zložky obyvateľstva (súčet pracujúcich[29] a nezamestnaných[30]) na celkovom počte obyvateľstve vo veku 15 rokov a viac[31]. Táto miera nám napovedá o skupine obyvateľstva, ktorá je na trhu práce alebo je schopná a ochotná zapojiť sa doň. Vykazuje sa v percentách. Miera zamestnanosti je meraná ako podiel počtu pracujúcich osôb (vo veku 15-64 rokov) na celkovom počte obyvateľov vo veku 15-64 rokov. Vykazuje sa v percentách. Miera nezamestnanosti je meraná ako podiel počtu nezamestnaných osôb podľa VZPS/EU LFS na celkovom počte ekonomicky aktívneho obyvateľstva podľa VZPS/EU LFS. Vykazuje sa v percentách.
Ukazovatele podľa metodiky úradne evidovaných nezamestnaných
Evidencia nezamestnaných, ktoré na Slovensku vedie Ústredie práce, sociálnych vecí a rodiny (ÚPSVR), je zdrojom údajov o obmedzenej populácii nezamestnaných. Na úradoch práce sa evidujú najmä tí nezamestnaní, ktorí majú nárok na podporu v nezamestnanosti, nárok na odvody platené štátom alebo záujem o pomoc pri sprostredkovaní práce úradom. Ostatné osoby bez práce tento zdroj nepokrýva.
Koncept evidovanej nezamestnanosti sa nepovažuje za vhodný na porovnávanie medzi štátmi, pretože podlieha rôznym administratívnym pravidlám a úpravám. Často tiež nemusí byť porovnateľný ani v rámci jednej krajiny ak sa podmienky výrazne menia. Na druhej strane, výhodou administratívnych údajov je, že udávajú presný počet evidovaných nezamestnaných a môžu byť vykazované hoci aj v dennej periodicite a to až na najnižšej administratívno-územnej úrovni (ISP 2005).
Miera evidovanej nezamestnanosti je meraná ako podiel počtu evidovaných nezamestnaných (disponibilných uchádzačov o zamestnanie)[32] k celkovému počtu ekonomicky aktívneho obyvateľstva[33] vyjadrený v percentách. Ďalšími indikátormi sledovanými v rámci skupiny trh práce sú miera dlhodobej nezamestnanosti či podiel počtu osôb v hmotnej núdzi na celkovom obyvateľstve.
Zhodnotenie vhodnosti ukazovateľa pre sledovanie regionálnych rozdielov
Pri hodnotení regionálnych rozdielov sa často skĺzava do mechanickej formulácie záverov, skresľujúcich realitu. Ak napríklad porovnávame dva regióny, pričom v „regióne 1“ je 50 nezamestnaných z celkovej disponibilnej pracovnej sily v počte 1000, čo predstavuje mieru nezamestnanosti 5%; a v „regióne 2“ je 10 nezamestnaných z celkovej disponibilnej pracovnej sily v počte 100, čo znamená mieru nezamestnanosti 10%, tak napriek tomu, že z hľadiska priestorových disparít je z relatívneho hľadiska vyššia nezamestnanosť v „regióne 2“, absolútny počet nezamestnaných je niekoľkonásobne vyšší v „regióne 1“, a prejavy tohto javu (nezamestnanosť) môžu byť v „regióne 1“ dokonca geograficky koncentrovanejšie.
Tento príklad hovorí i o tom, že výsledky porovnávania môžu byť skreslené i tým, že sa na jednej úrovni porovnávajú regióny s odlišným významom (veľkosťou) lokálneho (regionálneho) trhu práce. Zaujímavé sú i regionálno-politické implikácie, kedy prednosť môže dostať politika, ktorá má za cieľ redukciu počtu nezamestnaných (primárne orientovaná na „región 1“), alebo politika odstraňovania regionálnych rozdielov (primárne orientovaná na „región 2“).
Prečo je ukazovateľ miery zamestnanosti vhodnejší pre analýzu?
Prílišná koncentrácia sa na mieru nezamestnanosti ako ukazovateľa reálneho vývoja sociálnej situácie obyvateľov štátu či regiónov nemusí byť vždy najvhodnejšia. Sústredenie sa na tvorbu pracovných miest v ekonomike, a teda na ukazovateľ zamestnanosti, má tiež svoje výhody (podľa ISP 2005):
1. zamestnanosť sa dá jednoduchšie a spoľahlivejšie merať ako nezamestnanosť. Pri meraní zamestnanosti sa totiž nemusia odlíšiť tí, ktorí sú v pracovnej sile a tí, ktorí v nej nie sú (čiže tí, ktorí sa počítajú medzi nezamestnaných), čo, ako sme už spomenuli, spôsobuje nielen metodologické problémy,
2. zmena miery zamestnanosti vplýva na produkt štátu či regiónu a teda má priamy vplyv na ekonomický a sociálny vývoj danej územnej jednotky,
3. miera zamestnanosti poukazuje tiež na úroveň flexibility pracovného trhu, ktorá vplýva na tvorbu pracovných miest v ekonomike, pričom rigidné trhy práce majú často problémy s rastom zamestnanosti,
4. údaje o zamestnanosti ponúkajú bohatšie výsledky. Údaje o nezamestnanosti nám nepovedia nič o type pracovných miest, ktoré sú v ekonomike vytvorené, alebo či sú to miesta na plný alebo polovičný pracovný úväzok, prípadne či ide o trvalý alebo len dočasný pracovný úväzok.
|1-3-2| Ukazovateľ úrovne priemernej nominálnej mesačnej mzdy
Ďalším indikátorom, na základe ktorého sa sledujú regionálne rozdiely, je úroveň nominálnej mesačnej mzdy.[34] Priemerné mzdy udávajú priemernú mesačnú úroveň miezd zamestnanca za celú ekonomiku krajiny (bez manažérskych a podnikateľských príjmov). Priemerná mesačná mzda za štvrťrok zahŕňa hrubú mzdu, ktorá pozostáva zo základného platu, odmien, príplatkov za prekážky v práci a nadčasy a iných príplatkov, náhrad miezd a naturálnych miezd. Mzdy v naturáliách zahŕňajú finančnú hodnotu výrobkov, produkcie a služieb. Zahrnuté sú daň z príjmu a príspevky na sociálne zabezpečenie platené zamestnancami (dôchodkové, zdravotné, nemocenské, v nezamestnanosti).
Zhodnotenie vhodnosti ukazovateľa pre sledovanie regionálnych rozdielov
Výber zisťovaní údajov o priemernej mzde je založený na metóde sídla organizácie, čo môže viesť k nesprávnym záverom pri analýze regionálnych disproporcií. Ďalším problémom môže byť i nedostatočná reprezentatívnosť vzorky. Základným nedostatkom je však fakt, že údaje o cenovej hladine a jej vývoji na hierarchickej úrovni NUTS III a nižšej nie sú štatisticky sledované, preto nie je možné exaktne posúdiť a porovnať vývoj a priestorovú diferenciáciu disparít v životnej úrovni obyvateľstva podľa priemernej reálnej mesačnej mzdy. Vyššia úroveň priemernej nominálnej mesačnej mzdy v regiónoch hlavného mesta či ďalších centrálnych regiónoch je často skreslená i tým, že v týchto regiónoch sídlia centrály celoštátne a nadregionálne pôsobiacich firiem, ktoré sústreďujú vyšší podiel riadiacich pracovníkov s vyššími mzdami ako i vyšší podiel vysokoškolsky vzdelaných pracovníkov s vyššími mzdami. Pri porovnávaní mzdovej diferenciácie podľa priemernej mzdy je treba vnímať i rozdielnu štruktúru pracovníkov a súvisiacu diferenciáciu v odmeňovaní vyššie kvalifikovanej práce.
Zhrnutie
Výber vhodného ukazovateľa pre sledovanie regionálnych rozdielov súvisí nielen s otázkou jeho dostupnosti pre danú regionálnu sústavu a s otázkou dostupnosti požadovaného časového radu. Ako správne poukazujú českí štatistici, výber ukazovateľov súvisí najmä s otázkou, čo považujeme za cieľ regionálnej politiky a ako vnímame a stanovujeme si kritériá úspešnosti regiónov: „Je to tvorba HDP, štruktúra spotreby, úroveň vybavenosti obcí, stabilita populácie v regióne, kvalitné životné prostredie alebo udržateľnosť rozvoja? Reálna diferenciácia regiónov je modifikovaná i subjektívnou percepciou – vnímaná je relatívna odlišnosť skôr než absolútna úroveň javov. Úroveň „zaostalosti“ regiónu je relatívna tak medzi štátmi, tak v rámci nich. Nie je vždy jednoducho možné stanoviť ani optimálne cieľovú úroveň ukazovateľa. Zrejme platí, že vyspelejšie štáty majú základné ukazovatele diferencované menej. Pojem regionálnej diferenciácie je teda nutné vždy viazať na nositeľov rozdielov a na vhodné ukazovatele.“ [35]
Rast HDP sa nie vždy patrične odráža v raste reálnych miezd či v raste zamestnanosti či poklese nezamestnanosti, preto ho nepovažujeme za vhodný ukazovateľ pre sledovanie regionálnych rozdielov. Jedným z problémov ukazovateľa priemernej mzdy je fakt, že zisťovania údajov o priemernej mzde sú založené na metóde sídla organizácie, čo môže viesť k nesprávnym záverom pri analýze regionálnych disproporcií. Prikláňame sa k téze, že za hlavný ukazovateľ stavu ekonomiky je – v istej miere zjednodušenia – možné považovať mieru nezamestnanosti. Ako uvádza Jiří Blažek, miera nezamestnanosti je pokladaná i za indikátor “zdravia” regionálnej ekonomiky (Blažek 1999b).
|1-4| Ako merať regionálne rozdiely?
Existuje množstvo spôsobov ako pristupovať k výskumu a charakteristike regionálnych rozdielov. V nasledujúcej časti sa pokúsime v stručnosti priblížiť len niekoľko z nich, nie je našou ambíciou priniesť ich vyčerpávajúci zoznam a popis. Pri nižšie predstavovaných vybraných prístupoch k charakteristike regionálnych rozdielov sa snažíme poukázať i na problémy, ktoré so sebou nesie ich použitie v regionálne orientovanom výskume.
|1-4-1| Regionálne rozdiely podľa miery nezamestnanosti merané štandardnou odchýlkou a variačným koeficientom
Štandardná odchýlka
Miera medziregionálnej variability meraná ako štandardná (smerodatná) odchýlka (s, Sd, WSD) nezamestnanosti vážená veľkosťou regiónov podľa vzorca (Blažek 1996):
kde
xije miera nezamestnanosti v regióne i,
x je priemerná miera nezamestnanosti v celku vyššieho rádu (napr. príslušný štát),
a nije veľkosť regiónu i meraná počtom ekonomicky aktívneho obyvateľstva.
Ako uvádza J. Blažek (1996), „veľkosť štandardnej odchýlky však závisí i na priemernej miere nezamestnanosti v jednotlivých krajinách. Rovnaké hodnoty štandardnej odchýlky tak môžu byť dosiahnuté buď kombináciou veľkej medziregionálnej variability a nízkej priemernej miery nezamestnanosti alebo naopak kombináciou nízkej medziregionálnej variability a vysokej priemernej miery nezamestnanosti. Štandardná odchýlka tak vlastne zachytáva určitú formu spoločenskej záťaže, ktorú v danej krajine nezamestnanosť predstavuje.“ A ako ďalej menovaný autor v inej práci (Blažek 2000) uvádza, „škála disparít závisí i od počtu analyzovaných celkov (regiónov)“.
Variačný koeficient
Na porovnávanie variability medzi súbormi dát s odlišnými priemermi sa používa „bezrozmerný“ variačný koeficient (k). Vypočíta sa ako podiel (váženej) štandardnej odchýlky (s, Sd, WSD) a priemeru (miery nezamestnanosti (x)) a predstavuje tak relatívnu mieru variability (Blažek 1996):
Porovnanie štandardnej odchýlky a variačného koeficientu
Zatiaľčo variačný koeficient porovnáva len variabilitu, štandardná odchýlka zohľadňuje i priemernú mieru premennej. Variačný koeficient naopak umožňuje vzájomné porovnávanie variability premenných s odlišnými hodnotami (očisťujúc štandardnú odchýlku o výšku priemernej hodnoty). Pomocou variačného koeficientu možno posúdiť, či sú medziregionálne rozdiely väčšie podľa miery nezamestnanosti alebo podľa miery podnikateľskej aktivity (napr. výnosu dane z príjmov fyzických osôb) a porovnať ich variabilitu podľa výšky priemerných miezd v čase. Sledovaním vývoja časových radov variačných koeficientov jednotlivých územných jednotiek – regiónov možno tiež analyzovať zmenu ich pozície v rámci celej sústavy regiónov danej hierarchickej úrovne (napr. štátu) (Blažek 1996).
|1-4-2| Regionálne rozdiely podľa ekonometrických analýz reálnej konvergencie
Otázkou konvergencie sa zaoberá najmä tzv. nová teória rastu. Koncept konvergencie rozpracovali vo svojich prácach v 90. rokoch 20. storočia najmä ekonómovia R. Barro a X. Sala-i-Martin. Pod procesmi konvergencie si zjednodušene možno predstaviť znižovanie rozdielu medzi dvomi či viacerými veličinami v čase až do úrovne, kedy sa rozdiel stáva zanedbateľným, teda konverguje (limitne sa blíži) k nule. Už z tohto popisu je zrejmé, že ide zväčša o dlhodobo pôsobiace procesy. Proces konvergencie medzi jednotlivými štátmi či regiónmi možno skúmať na základe vývoja štandardnej odchýlky či variačného koeficientu, ako sme poukázali vyššie. Ďalším krokom je sledovanie, či dané ukazovatele konvergujú alebo nekonvergujú (divergujú) k nule, a teda či dochádza k reálnej konvergencii. Tá sa zväčša analyzuje na základe dlhodobého sledovania HDP per capita prepočítaného podľa parity kúpnej sily (reálny HDP per capita) (Slavík 2005).
Koncepty a definície reálnej konvergencie (Sala-i-Martin 1996, Slavík 2005)
- Absolútna konvergencia vychádza z neoklasického modelu rastu a znamená, že štát či región s nižšou úrovňou reálneho HDP per capita vykazuje vyššie tempo rastu. Vyplýva to z postulátu neoklasických modelov, podľa ktorých sa ekonomiky približujú k rovnakému stálemu stavu, pričom ekonomiky, ktoré sú tomuto cieľu vzdialenejšie, sa mu približujú rýchlejšie, než ekonomiky, ktoré sú k nemu bližšie. Platí v nich, že miera približovania (konvergencie) sa k stálemu stavu je rastúcou funkciou rozdielu výstupu a výstupu v stálom stave.
- Podmienená konvergencia opúšťa neoklasický predpoklad rovnakých stálych stavov pre rôzne ekonomiky. Keďže dochádza i k prípadom, kedy štáty či regióny s vyššou úrovňou reálneho HDP per capita rastú rýchlejšie než štáty či regióny s nižšou úrovňou reálneho HDP per capita, pričom k tomu dochádza v prípade, ak sa štát či región s vyššou úrovňou reálneho HDP per capita nachádza ďalej od stáleho stavu, než štát či región s nižšou úrovňou. Existujú teda premenné, ktoré spôsobujú rozdielne stále stavy jednotlivých ekonomík. Konvergencia je teda „podmienená“ ich sledovaním.
- β–konvergencia predstavuje koncept, podľa ktorého rastú menej rozvinuté štáty či regióny (s nižším reálnym HDP per capita) rýchlejšie než štáty či regióny rozvinutejšie. Nevýhodou tohto konceptu je, že predmetom výskumu je v podstate len stav na začiatku a na konci daného obdobia a disponibilné informácie o vývoji ostávajú nevyužité. β–konvergencia sa skúma pomocou nelineárnej regresnej funkcie:
-
kde
yi,t0 je reálny HDP na obyvateľa v krajine (regióne) i a v roku t0,
yi,t0+T je reálny HDP na obyvateľa v krajine (regióne) i a v roku t0+T,
T je dĺžka obdobia,
β je rýchlosť konvergencie,
ui,t0,t0+T je náhodná zložka s časovým posunom medzi rokmi t0 a t0+T,
Podmienkou β-konvergencie je, aby výraz (1 – e-β*T) bol kladný, teda parameter β > 0.
- σ–konvergencia svojím spôsobom dopĺňa časť informácií o vývoji, ktoré sú pri výskume β–konvergencie nevyužité. Poukazuje na mieru „disperzie“ (rozptylu či štandardnej odchýlky) reálneho HDP per capita medzi ekonomikami štátov či regiónov v čase (vývoj). β–konvergencia je nutnou, avšak nepostačujúcou podmienkou σ–konvergencie, keďže σ–konvergencia implikuje β–konvergenciu, ale β–konvergencia neimplikuje σ–konvergenciu. σ–konvergencia je chápaná ako tendencia k redukcii variability v úrovni reálneho HDP na obyvateľa medzi jednotlivými krajinami za sledované časové obdobie. σ–konvergencia sa skúma na základe výpočtu výberovej štandardnej odchýlky, ktorá je počítaná z logaritmov prierezových údajov úrovne reálneho HDP na obyvateľa v skupine krajín (regiónov) podľa nasledovného vzťahu:
-
kde
yitje úroveň reálneho HDP na obyvateľa v krajine (regióne) i a v roku t.
Problémy ekonometrickej analýzy reálnej konvergencie
Keďže ako sme už spomenuli, procesy konvergencie sú dlhodobého charakteru, podmienkou pre uskutočnenie ekonometrickej analýzy konvergencie je existencia adekvátneho časového radu spoľahlivých a kompatibilných dát[36]. V prípade postkomunistických krajín preto nemá význam zaoberať sa konvergenciou pred rokom 1990, a to taktiež i preto, že vtedajší vývoj v rámci uzavretého centrálne plánovaného hospodárstva nie je vzhľadom na súčasnosť relevantný.
|1-4-3| Regionálne rozdiely merané podľa Gini indexu
Nivelizačné či denivelizačné tendencie možno posudzovať nielen na základe zmien v charakteristikách variability (rozptyl, štandardná odchýlka, variačný koeficient či kvantilové odchýlky) ale i pomocou miery koncentrácie. Jednou z najpoužívanejších mier koncentrácie v oblasti skúmania príjmovej diferenciácie je Giniho koeficient koncentrácie – Gini index, ktorý vychádza z tzv. Lorenzovej krivky[37].
Gini index a meranie príjmovej diferenciácie
Gini index vyjadruje mieru rovnomernosti prerozdelenia bohatstva v krajine (podiel príjmu najbohatších 5% obyvateľov s príjmom najchudobnejších 5%). Gini index možno vypočítať dvoma základnými spôsobmi, a to v závislosti od toho, aké údaje máme k dispozícii:
1. Ak poznáme len intervalové príjmové rozdelenie, potom Giniho koeficient zisťujeme za pomoci veľkostí príjmových intervalov podľa vzorca:
kde
Mi (h) je horná úroveň príjmového intervalu pre i=1,2,...,r,
Mi (d) je dolná úroveň príjmového intervalu pre i=1,2,...,r,
pi je relatívna početnosť v i-tom príjmovom intervale pre i=1,2,...,r,
k (pi) je kumulatívny súčet relatívnych početností až do i-teho príjmoveho intervalu.
2. Ak poznáme súčasne v intervalovom príjmovom rozdelení i priemerné príjmy v jednotlivých intervaloch, potom Giniho koeficient možno získať na základe intervalových priemerných príjmov podľa vzorca:
kde
je priemerný príjem v i-tom intervale pre i=1,2,...,r,
pi je relatívna početnosť v i-tom príjmovom intervale pre i=1,2,...,r,
k (pi) je kumulatívny súčet relatívnych početností až do i-teho príjmového intervalu,
je celkový priemerný príjem za všetky intervaly, pričom
,
je rozdiel intervalových priemerných príjmov.
Hodnoty Gini indexu sa (teoreticky) pohybujú v intervale 0,0 až 1,0. Čím viac sa Gini koeficient blíži 1, tým je príjmová diferenciácia danej spoločnosti väčšia; nízke hodnoty Gini koeficientu naznačujú, že v spoločnosti prevládajú nivelizačné tendencie[38]. V realite sa nízke hodnoty indexu v globálnom meradle pohybujú v najviac rovnostárskych spoločnostiach v rozmedzí 0,2 až 0,3, a vysoké v najväčšmi diferencovaných spoločnostiach v rozmedzí 0,5 až 0,6. Tento index sa však na regionálnej úrovni u nás nevyhodnocuje. Pre potreby výskumu regionálnych disparít je však vhodnejšie použiť jeho modifikáciu v podobe „upraveného teritoriálneho Gini koeficientu“.
Upravený teritoriálny Gini index a meranie regionálnych disparít (podľa OECD 2002)
Hoci indexy odhaľujúce mieru diferenciácie v spoločnosti, medzi nimi i Gini koeficient, sa pokladajú za vhodný nástroj pri preukazovaní disparít, bez ďalšej úpravy nie sú vhodné na regionálne orientovaný výskum, a to najmä z nasledovných dôvodov:
1. Gini index je zostavený pre porovnávanie rozdielov v príjme medzi jednotlivcami, nie medzi regionálnymi entitami. Vo väčšine regionálnych štúdií sa tento metodologický problém prehliada a na tomto základe sa sledujú regionálne rozdiely v HDP na obyvateľa ako diferenciácia príjmov medzi skupinami jednotlivcov obývajúcich odlišné regióny. Avšak, takto získaný výsledný index nám veľa nenapovie o regionálnych disparitách, keďže nekoriguje priestorové rozmiestnenie populácie.
Aby sme si uvedomili tento problém, zoberme do úvahy hypotetický príklad, kde je celá populácia v krajine koncentrovaná v jednom regióne a každý jedinec má rovnaký príjem. V takej krajine by bola diferenciácia príjmov síce nulová (absolútne rovnostárska spoločnosť, G=0), avšak regionálne rozdiely sú významné, keďže vo všetkých regiónoch okrem jedného je príjem jedincov nulový, z čoho vyplýva, že Gini index založený na porovnávaní regionálnych disparít dosahuje maximálnu hodnotu (G=1). Tento príklad poukazuje na fakt, že regionálne rozdiely je vhodnejšie merať na základe priestorových jednotiek, nie individuálnych. Berúc do úvahy zmienený metodologický problém, Gini index je potrebné upraviť, a to vážením regiónov podľa ich rozlohy namiesto populácie. Pre krajinu s rozlohou A, hrubým domácim produktom GDP a populáciou P, skladajúcou sa z N regiónov s rozlohou Ai, regionálnym hrubým produktom GDPi a populáciou Pi, Gini index (G) regionálnych rozdielov v príjmoch na obyvateľa by bol zostavený nasledovne:
kde
Fi predstavuje kumulovanú častosť a
Qi predstavuje kumulované podiely na príjmoch po región i,
m je priemerný regionálny hrubý domáci produkt GDPi na obyvateľa vážený podľa rozlohy:
2. Združené dáta ako vstupy pre Gini index podceňujú úroveň priestorových disparít, takže výsledný koeficient nie je vhodný na medzinárodné porovnávania, najmä ak sa úroveň, na ktorej dochádza k agregácii regionálnych dát, medzi jednotlivými krajinami významne líši. Tento problém je možné minimalizovať buď používaním dát združených na najnižšej možnej úrovni alebo nasledovným spôsobom, kedy je krivka koncentrácie zostavená tak, akoby analyzovaná premenná mala plynulý priebeh s predpokladom jednotnej distribúcie v rámci každého regiónu, pričom teritoriálny Gini index (TG) má podobu:
Konečným problémom je, že ak sú dáta združené, maximálna hodnota Gini indexu je nižšia než 1, rozdiely sú tým významnejšie, čím rozsiahlejšia je skupina s najvyšším príjmom. To je samozrejme preto, že Gini index je rovný jednej, ak je príjem koncentrovaný v jedinej jednotke, čo je podmienka, ktorá nemôže byť rozpoznaná, ak nepoznáme príjmy jednotlivých jednotiek, pretože dáta sú združené. V snahe korigovať toto skreslenie, teritoriálny Gini index je potrebné vydeliť jeho skutočnou maximálnou hodnotou (TGMAX v danej regionálnej sústave), a výsledne upravený teritoriálny Gini index (ATG, z anglického Adjusted Territorial Gini) má nízku úroveň skreslenia:
kde
|1-4-4| Regionálne rozdiely merané podľa komparácie zmien v percentuálnych bodoch
Analyzovanie vybraného ukazovateľa (napr. miera nezamestnanosti vyjadrená v percentách) a porovnávanie jeho diferenciácie v regiónoch jednotlivých regionálnych sústav na danej hierarchickej úrovni (napr. NUTS I, NUTS II alebo NUTS III) ako i vzájomné porovnávanie regionálnych rozdielov medzi rôznymi regionálnymi sústavami (napr. medzi regiónmi členských krajín EÚ na danej hierarchickej úrovni), a to buď staticky k istému časovému momentu alebo dynamicky vyhodnocovaním zmien daného ukazovateľa a regionálnych rozdielov v dlhodobom časovom rade, toto všetko je možné i prostredníctvom sledovania zmien podľa percentuálnych bodov.
Regionálne rozdiely a ich zmeny v čase vyjadrené v percentuálnych bodoch nám umožňujú sledovať tak rozdiely medzi najnižšou a najvyššou mierou (napr. nezamestnanosti), ako i rozdiely medzi regiónom s najnižšou mierou a priemerom, a podobne i rozdiely medzi regiónom s najvyššou mierou a priemerom. Takéto analyzovanie dát je pomerne jednoduché ba z odborného či akademického hľadiska až primitívne, no v tom tkvie i jeho hlavná výhoda. Hlavnou výhodou sledovania regionálnych rozdielov vyjadrených v percentuálnych bodoch je práve jednoduchosť, ktorá umožňuje prezentovanie výsledkov nielen v prostredí akademickej obce ale i pre širšiu verejnosť.
Zhrnutie
Ako sme spomenuli v úvode tejto subkapitoly, existuje množstvo spôsobov ako pristupovať k výskumu a charakteristike regionálnych rozdielov, pričom my sme sa snažili priblížiť len niekoľko vybraných, pričom treba uviesť, že viaceré z nich sa nepoužívajú len v akademickom prostredí, ale i pri sledovaní regionálnych rozdielov v rámci EK a DG Regio. Po zvážení výhod a nevýhod jednotlivých spôsobov analyzovania dát sme sa rozhodli v aplikačnej časti tejto štúdie využiť sledovanie a meranie regionálnych rozdielov a ich zmien v čase vyjadrené v percentuálnych bodoch. Jednoduchá analýza dát prostredníctvom sledovania zmien podľa percentuálnych bodov nám umožňuje sledovať tak rozdiely medzi najnižšou a najvyššou mierou (napr. nezamestnanosti), ako i rozdiely medzi regiónom s najnižšou mierou a priemerom, a podobne i rozdiely medzi regiónom s najvyššou mierou a priemerom. Takéto analyzovanie dát je pomerne jednoduché ba z odborného či akademického hľadiska až primitívne, no v tom tkvie i jeho hlavná výhoda.
Hlavnou výhodou sledovania regionálnych rozdielov vyjadrených v percentuálnych bodoch je práve jednoduchosť, ktorá umožňuje prezentovanie výsledkov nielen v prostredí akademickej obce ale i pre širšiu verejnosť. Pravicu a ľavicu štandardne odlišuje i pohľad na úlohu vlády a štátu v ekonomike a spoločnosti. Učebnicová pravica hlása nižšie dane, štíhlu vládu a viac slobody pre jednotlivcov a firmy. Ľavica sa naopak bráni presunu zodpovednosti na občana a chce prerozdeľovať čo najviac verejných financií pod pláštikom sociálnej rovnosti. Na míňaní miliárd z eurofondov, typicky ľavicovej agende, sa však zhodujú oba tábory. Občania v rolách voličov a daňovníkov si zaslúžia, aby im boli výsledky realizovaných politík podávané v jednoduchej a zrozumiteľnej podobe, aby k nim mohli sami zaujať postoj.
[1] Viac o stratégii Európa 2020 nájdete na adrese http://ec.europa.eu/europe2020/index_sk.htm
[2] Nariadenie (ES) č. 1059/2003 z 26. mája 2003 o zostavení spoločnej nomenklatúry územných jednotiek pre štatistické účely (NUTS) dostupné na http://eurlex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2003:154:0001:0041:EN:PDF
[3] Prvou riadnou zmenou („novelizáciou“) prešlo nariadenie (ES) č. 1059/2003 definujúce tzv. NUTS 2003 v roku 2007 prostredníctvom nariadenia (ES) č. 105/2007, ktorým sa zaviedla tzv. NUTS 2006 s platnosťou od 1. januára 2008. Tejto zmene predchádzalo ešte doplnenie pôvodnej NUTS klasifikácie o regionálne sústavy nových členských krajín, ktoré pristúpili k EÚ v roku 2004, čo sa udialo nariadením (ES) č. 1888/2005 a po pristúpení Rumunska a Bulharska v roku 2007, čo sa udialo nariadením (ES) č. 176/2008. Druhou riadnou zmenou prešla NUTS klasifikácia nariadením (EU) č. 31/2011, ktorým sa zaviedla tzv. NUTS 2010 s platnosťou od 1. januára 2012.
[4] Názvy menších administratívnych jednotiek (Local Administrative Units) v členských krajinách EÚ: pre Belgicko ‚Gemeenten/Communes‘, pre Bulharsko ‚Населени места (Naseleni mesta)‘, pre Českú republiku ‚Obce‘, pre Dánsko ‚Kommuner‘, pre Nemecko ‚Gemeinden‘, pre Estónsko ‚Vald, Linn‘, pre Grécko ‚Dimoi/Koinotites‘, pre Španielsko ‚Municipios‘, pre Francúzsko ‚Communes‘, pre Írsko ‚counties or county boroughs‘, pre Taliansko ‚Comuni‘, pre Cyprus ‚Δήμοι/κοινότητες (Dimoi/koinotites)‘, pre Lotyšsko ‚Republikas pilsētas, novadi‘, pre Litvu ‚Seniūnija‘, pre Luxembursko ‚Communes‘, pre Maďarsko ‚Települések‘, pre Maltu ‚Localities‘, pre Holandsko ‚Gemeenten‘, pre Rakúsko ‚Gemeinden‘, pre Poľsko ‚Gminy, miasta‘, pre Portugalsko ‚Freguesias‘, pre Rumunsko ‚Municipii, Orașe, Comune‘, pre Slovinsko ‚Občine‘, pre Slovenskú republiku ‚obce‘, pre Fínsko ‚Kunnat/Kommuner‘, pre Švédsko ‚Kommuner‘ a pre Spojené kráľovstvo ‚Wards‘.
[5] Intenzita “podpory” jednotlivým regiónom z fondov EÚ závisí najmä od “úrovne rozvoja” regiónov, pričom základným kritériom je ukazovateľ hrubého domáceho produktu (HDP) na obyvateľa v parite kúpnej sily.
[6] Napr. v roku 2004 z celkového počtu 254 regiónov EÚ vyčlenených na úrovni NUTS II nespĺňalo kritérium počtu obyvateľov stanovené Eurostatom v rozmedzí 800 000 až 3 000 000 spolu až 99 regiónov, z toho 60 malo populáciu nižšiu než daný interval a 39 daný interval počtom obyvateľov prekračovalo. Viac v Tretej správe o ekonomickej a sociálnej súdržnosti dostupnej na adrese http://ec.europa.eu/regional_policy/sources/docoffic/official/reports/cohesion3/cohesion3_sk.htm
[7] Pripomeňme, že podľa pravidiel Eurostatu by región NUTS III spravidla nemal mať menej než 150 000 obyvateľov, čo región Gozo and Comino nespĺňa.
[8] Okrem toho, konvergencia by sa podľa menovaných autorov mala skúmať na úrovni krajín, resp. regiónov s populáciou približne 10 miliónov. Ďalej, na nižšej úrovni nemá zmysel porovnávať regióny, ktoré nedisponujú možnosťami uskutočňovania vlastnej fiškálnej politiky (Boldrin – Canova 2003).
[9] Podobne to platí i o ďalších významných centrách, ktoré plnia iné ekonomicky významné (obslužné) funkcie, než hlavné mesto – napr. v prípade Hamburgu (významný prístav a dlhodobou históriou centra obchodu).
[10] Vhodným príkladom je Viedeň, ktorá je takto odtrhnutá od zázemia, čím ako jedno z európskych obchodných centier týmto „štatistickým efektom“ umelo vykazuje až 170% HDP na obyvateľa EÚ. Ak však k Viedni pripojíme aj Niederösterreich a Burgenland, s ktorými má „vlastná“ Viedeň výrazné vzájomné ekonomické vzťahy a tvoria jej zázemie, takýto prirodzený región už dosahuje „len“ 133% HDP na obyvateľa EÚ. Podobne to platí i pre metropolitné územia Londýna, Paríža, Madridu či Bruselu (pre príklad boli použité dáta za rok 2004).
[11] V porovnaniach s ostatnými členskými krajinami je napr. rozdiel v HDP na obyvateľa medzi najrozvinutejším slovenským regiónom (Bratislavský kraj) a najmenej rozvinutým (Východné Slovensko) približne trojnásobný (3,01). Veľká Británia vykazuje v tomto ukazovateli až vyše štvornásobok (4,42), keďže Londýn výrazne „vyčnieva“ nielen nad britské, ale i všetky ostatné regióny únie. V Belgicku, ktorého metropolou je sídlo väčšiny inštitúcií EÚ Brusel, vychádza pomer medzi „najbohatším“ a „najchudobnejším“ regiónom vyše trojnásobný (3,14). Dokonca i v Nemecku je približne trojnásobný (2,87). Ak by sme dané štatistiky „očistili“ od regiónov, v ktorých sa nachádza hlavné mesto, nižšie regionálne rozdiely spomedzi členských krajín EÚ než na Slovensku (1,22) by boli už len vo Fínsku (1,20), Česku (1,16) a Švédsku (1,12). Podobný prístup je v praxi v USA, kde región hlavného mesta Washington (District of Columbia), býva z komparatívnych regionálnych analýz všeobecne vylúčený (pre príklad boli použité dáta za rok 2004).
[12] Typológia vychádza z práce Modeling territorial changes and time series database building process: empirical approach and applications dostupnej na adrese http://www.espon.eu/export/sites/default/Documents/ToolsandMaps/ESPON2013Database/2.1_TR_time_series.pdf
[13] O rozdieloch medzi ukazovateľmi HDP a HNP viac napr. na adrese: http://www.iness.sk/stranka/7450-Domaci-alebo-narodny-produkt.html
[14] Dostupné na http://www.statistics.sk
[15] HDP treba chápať ako peňažné vyjadrenie výrobnej činnosti.
[16] Ďalším používaným ukazovateľom je hrubá pridaná hodnota v základných cenách, vypočítaná ako rozdiel medzi produkciou v základných cenách a medzispotrebou v kúpnych cenách. Produkcia pozostáva z produktov vytvorených počas bežného účtovného obdobia a medzispotreba sa skladá z hodnoty výrobkov a služieb spotrebovaných vo výrobnom procese ako vstupy, s vylúčením investičného majetku, ktorého spotreba je zachytená ako spotreba fixného kapitálu. Proces zostavenia regionálnej hrubej pridanej hodnoty pozostáva z viacerých krokov, pričom základný prístup spočíva v individuálnom vyčíslení hrubej pridanej hodnoty za odvetvia (OKEČ, A-Q) v regióne (NUTS II a NUTS III), pri využití metódy regionalizácie “zdola–hore” a “kombinovanej metódy”.
[17] V rámci Eurostatu sa v rámci akademických diskusií a výskumných projektov hľadajú cesty k riešeniu vypovedajúcej schopnosti tohto ukazovateľa, resp. nahradeniu ukazovateľa priemerný počet trvalo bývajúceho obyvateľstva iným ukazovateľom.
[18] Ak by bol koncept regionálneho PPS k dispozícii, je odôvodnené očakávať, že by HDP na obyvateľa v mnohých periférnych či rurálnych regiónoch bolo vyššie než tieto regióny vykazujú v súčasnosti, zohľadňujúc len PPS na národnej úrovni.
[19] Údaje o cenovej hladine a jej vývoji na úrovni krajov či nižších hierarchických jednotkách nie sú na Slovensku štatisticky zisťované.
[20] Hlavné mestá si zväčša v národných sídelných systémoch udržiavajú dominantné postavenie po stáročia, nadväzujúc na historický vývoj, a podľa niektorých autorov (napr. G. Myrdal) tak predstavujú “zvýhodnenú” skupinu regiónov (in Blažek – Uhlíř 2002).
[21] Produkcia a hrubá pridaná hodnota sú oceňované v základných/výrobných cenách, medzispotreba v nákupných cenách a HDP v trhových cenách. Tvorba hrubého fixného kapitálu je oceňovaná v nákupných cenách a zásoby v trhových cenách alebo vo výrobných cenách, ktoré sa upravujú o zisky/straty vyplývajúce z ich držania v dôsledku cenového vývoja. Bytové služby sa odhadujú podľa nákladovej metódy, t. j. spočítaním všetkých príslušných nákladov, vrátane prevádzkových nákladov, nákladov na opravy a údržbu, spotrebu fixného kapitálu, príspevku do prevádzkového prebytku. Netrhové služby sú hodnotené podľa nákladov a výdavky domácnosti v trhových cenách, cenách regulovaných štátom a nákladových cenách. Transakcie v zahraničnom obchode sú oceňované na základe cien f. o. b. Odhady HDP v bežných a stálych cenách sa vykonávajú podľa odvetvových činností (podľa http://www.statistics.sk).
[22] Hrubý domáci produkt je za účelom európskeho porovnávania vyjadrovaný v euro a parite kúpnej sily (Purchasing Power Standard – PPS). Parita kúpnej sily berie v úvahu rozdielne úrovne kúpnej sily a nielen výmenné koeficienty medzi národnými menami euro. Základom pre výpočet parity kúpnej sily je Európsky porovnávací program (European Comparison Programme – ECP), na ktorom sa zúčastňujú národné štatistické úrady vrátane ŠÚ SR (podľa http://www.statistics.sk).
[23] Citovaný výrok je z článku, ktorý Pavel Kohout publikoval v roku 2006 v denníku Lidové noviny. Celý článok je dostupný na adrese http://www.lidovky.cz/osaleni-osidnou-velicinou-dch-/ln_nazory.asp?c=A060311_110924_ln_nazory_svo
[24] Citovaný výrok je z blogu, ktorý Ján Dinga publikoval v roku 2012 na stránkach týždenníka TREND. Celý blog je dostupný na adrese http://blog.etrend.sk/iness/2012/09/13/prerozdelovanim-k-vacsiemu-bohatstvu/
[25] Výberové zisťovania pracovných síl (VZPS) alebo tiež EU Labour Force Survey (EU LFS) sú priebežným monitorovaním pracovných síl na základe priameho zisťovania vo vybraných domácnostiach. Základ pre zisťovanie pracovných síl tvorí stratifikovaný výber bytov, ktorý rovnomerne pokrýva celé územie krajiny. Napríklad na Slovensku je do vzorky štvrťročne zaradených 10250 bytov, čo predstavuje 0,6% z celkového počtu trvale obývaných bytov. Predmetom zisťovania sú všetky osoby vo veku od 15 rokov žijúce v domácnostiach vybraných bytov bez ohľadu na to či majú v byte trvalý, prechodný alebo nehlásený pobyt, okrem inštitucionálneho obyvateľstva. Každá vybraná domácnosť zostáva vo vzorke päť za sebou nasledujúcich štvrťrokov. Všetky zistené údaje sa prepočítavajú na aktuálne demografické údaje o obyvateľstve Slovenska prevzaté zo štatistického zisťovania o pohybe obyvateľstva. Metodika zisťovania vychádza z odporúčaní Medzinárodnej organizácie práce a Eurostatu (podľa http://www.statistics.sk).
[26] Viac informácií o LFS je dostupných na adrese http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Glossary:Labour_force_survey_(LFS)
[27] Viac o definícii a metodike EU LFS je dostupné na adrese http://epp.eurostat.ec.europa.eu/portal/page/portal/employment_unemployment_lfs/methodology/definitions.
Pokiaľ ide o databázy EU LFS, sú dostupné na adrese http://epp.eurostat.ec.europa.eu/portal/page/portal/employment_unemployment_lfs/data/database.
A pokiaľ ide o metadáta EU LFS, tie sú dostupné na adrese http://epp.eurostat.ec.europa.eu/cache/ITY_SDDS/EN/une_esms.htm.
Prístup k mikrodátam EU LFS za obdobie 1983-2010 je bohužiaľ obmedzený, viac nájdete na adrese http://epp.eurostat.ec.europa.eu/portal/page/portal/microdata/lfs.
[28] Napriek snahe harmonizovať štatistiku nezamestnanosti, odlišnosti medzi medzinárodnými a národnými indikátormi nezamestnanosti pretrvávajú. V jednotlivých krajinách sa totiž líši vek povinnej školskej dochádzky ako i vek odchodu do dôchodku. Na rozdiel od medzinárodného odhadu nezamestnanosti, národné zdroje tiež zohľadňujú napríklad aj rozdielny vek odchodu do dôchodku pre mužov a ženy (ISP 2005).
[29] Podľa metodiky VZPS/LFS sú za pracujúcich považované všetky osoby vo veku od 15 rokov, ktoré počas referenčného týždňa: vykonávali aspoň jednu hodinu prácu za mzdu, plat alebo prácu za účelom dosiahnutia zisku (prácu na plný alebo kratší pracovný čas, stálu prácu, dočasnú, príležitostnú alebo sezónnu) alebo mali prácu ale nemohli pracovať z dôvodu choroby, dovolenky, materskej dovolenky, školenia, zlého počasia, v dôsledku štrajku a výluky (táto skupina nezahŕňa osoby na dlhodobom neplatenom voľne a osoby na rodičovskej dovolenke). Za pracujúce osoby sú považovaní aj vypomáhajúci členovia domácností podnikateľov, osoby pracujúce v zahraničí, profesionálni príslušníci ozbrojených zložiek a tiež osoby v civilnej službe.
[30] Podľa metodiky VZPS/LFS sú za nezamestnaných považované všetky osoby vo veku od 15 rokov, ktoré súčasne spĺňajú tri podmienky: v referenčnom týždni nemali žiadnu platenú prácu; v posledných štyroch týždňoch si aktívne hľadali prácu alebo si prácu našli a do zamestnania nastúpia najneskôr do 3 mesiacov; sú schopné nastúpiť do práce najneskôr do dvoch týždňov.
[31] Obyvateľstvo v produktívnom a poproduktívnom veku spolu. Obyvateľstvo v produktívnom veku tvoria muži vo veku 15 - 59 rokov a ženy vo veku 15 - 54 rokov, obyvateľstvo v poproduktívnom veku predstavujú muži vo veku od 60 rokov a ženy vo veku od 55 rokov.
[32] Teda tých občanov hľadajúcich zamestnanie, ktorí boli zaradení do evidencie nezamestnaných po podaní písomnej žiadosti o sprostredkovanie zamestnania, a ktorí bezprostredne po ponuke voľného pracovného miesta môžu nastúpiť do pracovného pomeru.
[33] Ekonomicky aktívne obyvateľstvo sa počíta vždy na začiatku roka podľa údajov ŠÚ SR o zamestnanosti za predchádzajúci rok (priemer štvrťrokov podľa VZPS) a podľa údajov ÚPSVR o evidovaných nezamestnaných (ročný priemer). Tento údaj sa zafixuje a platí po celý rok (ISP 2005).
[34] Údaje na Slovensku sú kombinované z viacerých vyčerpávajúcich či výberových zisťovaní a kvalifikovaných odhadov ŠÚ SR a výkazov o cene práce pre Informačný systém ceny práce (podľa http://www.trexima.sk). Podľa metodiky ŠÚ SR sú priemerné mesačné mzdy vypočítané spriemerovaním súčtu celkovej mesačnej mzdy na mesačnej báze a jeho vydelením priemernou dennou úrovňou zamestnanosti počas štvrťroka. Údaje sú zverejňované ako priemerné hrubé nominálne mesačné mzdy.
[35] Citovaný výrok je z Analýzy regionálních rozdílů v ČR 2011 publikovanej Českým statistickým úřadem, ktorá je dostupná na adrese http://www.czso.cz/csu/2011edicniplan.nsf/publ/1370-11-r_2011
[36] Dáta pre porovnávanie reálneho HDP per capita vychádzajúce prevažne z dát OECD sú k dispozícii napr. v databáze Univerzity v Groningene (http://www.ggdc.net). Porovnateľnosť v čase je zaistená ich prepočítaním na USD v stálych cenách roku 2002 podľa parity kúpnej sily metódou EKS (Elteto-Koves-Szulc), ktorá je pre medzinárodné komparácie uprednostňovaná OECD i Eurostatom.
[37] Lorenzova krivka umožňuje graficky znázorniť stupeň príjmovej diferenciácie.
[38] Okrem Gini indexu existuje množstvo ďalších postupov pre zisťovanie miery príjmovej diferenciácie, spomeňme napr. jednoduchú kvantilovú mierou špicatosti.